Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

IGEV-Stereo+	0.45 62	0.21 11	0.43 20	0.41 15	0.39 245	0.15 1	0.19 1	0.44 3	0.36 4	0.26 2	0.25 2	0.31 8	0.41 54	1.43 250	0.30 18	0.17 62	0.12 22	0.15 8	0.11 8	1.16 469	1.70 484

dual_stereo	0.27 2	0.19 3	0.35 1	0.39 9	0.21 5	0.25 2	0.22 4	0.48 4	0.31 3	0.32 6	0.26 4	0.37 14	0.24 3	0.83 96	0.29 11	0.16 26	0.12 22	0.14 1	0.11 8	0.14 4	0.11 1

StereoAnything_RVC	0.45 62	1.43 475	0.48 30	0.35 2	0.20 2	0.26 3	0.21 2	0.43 2	0.22 1	0.22 1	0.21 1	0.19 1	0.36 36	1.27 209	0.22 1	0.21 200	0.11 5	0.14 1	0.10 2	2.37 480	0.11 1

RAStereo	0.34 7	0.21 11	0.66 133	0.47 72	0.27 51	0.26 3	0.29 39	0.69 17	0.63 63	0.32 6	0.42 12	0.45 31	0.31 18	0.45 5	0.34 61	0.17 62	0.15 177	0.19 90	0.15 67	0.18 78	0.13 11

CroCo-Stereo	0.40 29	0.31 215	0.73 191	0.58 261	0.27 51	0.26 3	0.33 64	0.95 102	0.81 124	0.42 32	0.47 24	0.65 116	0.47 89	0.39 4	0.34 61	0.18 100	0.15 177	0.16 22	0.14 54	0.19 115	0.16 81
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
CroCo-Stereo Lap2	0.44 54	0.34 275	0.77 225	0.61 298	0.79 427	0.28 6	0.35 81	0.75 28	0.71 98	0.38 24	0.50 34	0.72 137	0.55 136	0.57 27	0.47 181	0.17 62	0.18 260	0.19 90	0.16 105	0.21 188	0.20 200

MaDis-Stereo	0.36 10	0.25 70	0.58 89	0.44 44	0.34 191	0.30 7	0.30 46	0.72 21	0.50 28	0.37 19	0.36 9	0.58 91	0.49 108	0.52 14	0.36 79	0.19 138	0.16 212	0.19 90	0.15 67	0.18 78	0.14 28

FoundationStereo	0.24 1	0.21 11	0.36 3	0.38 8	0.22 9	0.32 8	0.22 4	0.39 1	0.23 2	0.30 5	0.25 2	0.30 6	0.33 25	0.34 2	0.26 4	0.16 26	0.12 22	0.15 8	0.11 8	0.13 1	0.12 6

IGEV-Stereo++	0.30 4	0.20 4	0.40 12	0.46 61	0.30 111	0.33 9	0.22 4	0.75 28	0.45 16	0.32 6	0.41 11	0.32 9	0.48 100	0.38 3	0.27 6	0.15 10	0.11 5	0.15 8	0.12 20	0.15 13	0.13 11

AFF-stereo	0.58 156	0.25 70	0.64 119	0.46 61	0.29 90	0.34 10	0.38 115	1.15 183	1.14 264	1.17 259	1.60 377	1.10 282	0.71 206	0.97 138	0.43 144	0.13 2	0.11 5	0.19 90	0.19 162	0.17 49	0.14 28

plain	0.46 69	0.27 109	1.01 321	0.50 122	0.40 255	0.35 11	0.37 109	0.87 66	0.56 47	0.43 35	0.76 95	0.42 18	0.40 52	1.13 179	0.45 160	0.21 200	0.15 177	0.24 240	0.19 162	0.24 251	0.16 81

MIF-Stereo (partial)	0.45 62	0.25 70	0.70 161	0.50 122	0.52 336	0.35 11	0.26 24	0.91 81	0.59 56	0.45 43	0.71 83	0.51 61	0.51 115	1.11 174	0.45 160	0.20 169	0.16 212	0.23 220	0.20 194	0.24 251	0.18 130

DLNR_Zeroshot_test	23.17 515	48.52 528	43.29 520	176.68 527	78.69 523	0.35 11	0.21 2	23.41 514	0.75 106	0.66 95	0.86 116	0.59 97	0.30 14	1.56 275	0.44 147	9.57 513	0.12 22	0.18 69	0.14 54	76.92 526	0.16 81

GREAT-IGEV	0.32 5	0.20 4	0.42 18	0.37 5	0.29 90	0.36 14	0.28 34	0.56 8	0.58 50	0.28 3	0.50 34	0.29 4	0.29 11	0.84 99	0.27 6	0.14 5	0.11 5	0.15 8	0.11 8	0.17 49	0.14 28

AEACV	0.37 14	0.24 47	0.52 54	0.47 72	0.51 326	0.37 15	0.38 115	0.65 13	0.53 43	0.42 32	0.56 51	0.46 34	0.60 162	0.53 16	0.30 18	0.16 26	0.13 73	0.18 69	0.15 67	0.17 49	0.14 28

Reg-Stereo(zero)	0.44 54	0.22 24	0.45 24	0.43 23	0.23 13	0.38 16	0.25 15	0.76 31	1.08 231	0.90 146	0.78 99	0.90 204	0.47 89	0.70 58	0.36 79	0.15 10	0.12 22	0.15 8	0.12 20	0.15 13	0.15 56

GIP-stereo	0.34 7	0.23 34	0.45 24	0.50 122	0.36 204	0.38 16	0.23 9	0.78 38	0.52 40	0.34 12	0.51 36	0.46 34	0.38 46	0.51 11	0.27 6	0.20 169	0.12 22	0.16 22	0.12 20	0.16 28	0.14 28

SCV	0.46 69	0.26 84	0.55 71	0.47 72	0.25 29	0.39 18	0.38 115	1.98 401	0.60 57	0.35 13	0.48 26	0.55 77	0.36 36	1.28 211	0.32 34	0.24 266	0.12 22	0.17 38	0.13 32	0.18 78	0.14 28

MC-Stereo	0.43 44	0.23 34	0.48 30	0.51 151	0.28 74	0.39 18	0.32 58	0.88 73	0.68 88	0.60 86	0.84 113	0.56 84	0.61 171	1.03 151	0.31 32	0.17 62	0.11 5	0.17 38	0.15 67	0.16 28	0.13 11

ours_stereo	0.39 22	0.28 129	0.51 47	0.46 61	0.30 111	0.40 20	0.44 184	0.73 23	0.56 47	0.35 13	0.56 51	0.46 34	0.33 25	1.11 174	0.32 34	0.16 26	0.13 73	0.19 90	0.15 67	0.19 115	0.14 28

rvit_stereo_ft	0.47 76	0.35 296	0.87 267	0.67 361	0.42 267	0.40 20	0.59 314	0.81 52	0.74 105	0.46 44	0.55 48	0.57 86	0.49 108	0.65 49	0.50 199	0.25 292	0.17 240	0.22 182	0.22 265	0.24 251	0.17 106

UniTT-Stereo	0.36 10	0.23 34	0.59 96	0.48 96	0.36 204	0.40 20	0.32 58	0.53 6	0.49 25	0.54 71	0.55 48	0.36 12	0.31 18	0.58 28	0.51 204	0.20 169	0.15 177	0.17 38	0.15 67	0.19 115	0.15 56

RAFT-Stereo + iAFF	0.54 119	0.25 70	0.68 142	0.43 23	0.24 19	0.40 20	0.34 76	1.04 135	1.09 238	1.32 336	1.60 377	0.80 158	0.68 194	0.67 53	0.39 108	0.13 2	0.10 1	0.18 69	0.17 125	0.17 49	0.13 11

HART	0.45 62	0.22 24	0.54 63	0.50 122	0.26 34	0.41 24	0.29 39	1.03 129	0.50 28	0.58 76	1.45 338	0.61 102	0.35 32	1.08 168	0.30 18	0.15 10	0.13 73	0.19 90	0.14 54	0.19 115	0.14 28

HI	0.64 193	0.32 231	0.68 142	0.47 72	0.51 326	0.41 24	0.36 95	1.04 135	0.75 106	1.31 332	1.43 331	1.62 385	1.12 367	0.94 128	0.88 330	0.15 10	0.12 22	0.20 123	0.20 194	0.20 149	0.18 130

CoSv	0.64 193	0.32 231	0.68 142	0.47 72	0.51 326	0.41 24	0.36 95	1.04 135	0.75 106	1.31 332	1.43 331	1.62 385	1.12 367	0.94 128	0.88 330	0.15 10	0.12 22	0.20 123	0.20 194	0.20 149	0.18 130

rvit_stereo_0081	0.44 54	0.33 252	0.64 119	0.54 203	0.35 195	0.41 24	0.44 184	0.66 14	0.95 168	0.48 51	0.52 38	0.50 57	0.46 80	0.82 94	0.44 147	0.25 292	0.20 294	0.22 182	0.19 162	0.25 262	0.17 106

rvit_stereo_0082	0.44 54	0.33 252	0.64 119	0.54 203	0.35 195	0.41 24	0.44 184	0.66 14	0.95 168	0.48 51	0.52 38	0.50 57	0.46 80	0.82 94	0.44 147	0.25 292	0.20 294	0.22 182	0.19 162	0.25 262	0.17 106

H2IRNET	0.56 143	0.26 84	0.66 133	0.47 72	0.35 195	0.41 24	0.26 24	0.92 84	1.17 287	0.61 87	1.28 280	1.08 270	0.86 271	0.99 142	0.63 255	0.19 138	0.16 212	0.22 182	0.25 313	0.21 188	0.18 130

IGEV_Zeroshot_test	0.53 104	0.30 182	0.99 312	0.56 239	0.35 195	0.41 24	0.32 58	1.37 238	0.63 63	1.00 177	1.09 198	0.95 229	0.41 54	0.83 96	0.39 108	0.18 100	0.12 22	0.19 90	0.18 141	0.19 115	0.17 106

Occ-G	0.42 38	0.21 11	0.48 30	0.41 15	0.26 34	0.42 31	0.62 322	0.77 34	0.49 25	0.43 35	0.66 66	1.02 255	0.46 80	0.78 80	0.41 124	0.16 26	0.13 73	0.18 69	0.13 32	0.16 28	0.16 81

rvit_stereo_0080	0.44 54	0.32 231	0.71 173	0.47 72	0.36 204	0.42 31	0.55 283	0.82 55	0.68 88	0.50 63	0.60 58	0.55 77	0.47 89	0.59 29	0.44 147	0.26 312	0.21 315	0.20 123	0.20 194	0.31 335	0.19 169

CAS++	0.47 76	0.31 215	0.56 74	0.47 72	0.32 154	0.42 31	0.28 34	1.76 337	0.72 99	0.71 101	0.72 86	0.37 14	0.28 8	0.69 54	0.33 46	0.27 327	0.22 333	0.26 297	0.21 237	0.29 315	0.19 169
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
whm_eth	0.44 54	0.32 231	0.71 173	0.47 72	0.36 204	0.42 31	0.55 283	0.82 55	0.68 88	0.50 63	0.60 58	0.55 77	0.47 89	0.59 29	0.44 147	0.26 312	0.21 315	0.20 123	0.20 194	0.31 335	0.19 169

RAFT+CT+SA	0.58 156	0.29 162	0.60 101	0.66 349	0.37 218	0.42 31	0.55 283	1.27 221	1.03 207	0.70 99	1.22 255	0.60 98	0.70 202	1.64 286	0.41 124	0.18 100	0.13 73	0.22 182	0.22 265	0.21 188	0.18 130

fffft	0.38 19	0.23 34	0.51 47	0.44 44	0.32 154	0.43 36	0.48 224	0.76 31	0.36 4	0.44 37	0.34 8	0.38 16	0.31 18	1.31 217	0.32 34	0.14 5	0.11 5	0.19 90	0.15 67	0.16 28	0.16 81
1: 1. 1
mms	0.40 29	0.27 109	0.52 54	0.46 61	0.32 154	0.43 36	0.46 207	0.70 19	0.46 22	0.35 13	0.58 56	0.44 23	0.30 14	1.36 232	0.33 46	0.16 26	0.13 73	0.18 69	0.15 67	0.19 115	0.15 56

AnonymousM	0.59 161	1.11 462	0.41 15	0.44 44	0.32 154	0.43 36	0.47 214	1.05 143	0.64 67	0.98 170	0.63 63	0.67 123	0.43 65	0.59 29	0.41 124	0.20 169	0.15 177	1.84 482	0.84 473	0.14 4	0.13 11

XX-Stereo	0.63 181	0.26 84	1.90 443	0.81 419	0.67 394	0.43 36	0.23 9	1.03 129	0.58 50	0.65 93	1.56 369	1.41 349	0.39 48	1.28 211	0.35 70	0.20 169	0.14 123	0.20 123	0.19 162	0.18 78	0.14 28

IGEV-BASED-STEREO-	0.70 227	3.18 504	2.55 464	0.39 9	0.23 13	0.44 40	0.23 9	0.63 10	0.42 11	0.44 37	0.44 17	0.34 10	0.28 8	0.56 23	0.29 11	1.35 478	0.10 1	0.22 182	0.19 162	0.46 410	1.31 477

MoCha-V2	0.40 29	0.20 4	0.49 35	0.50 122	0.21 5	0.44 40	0.33 64	0.93 90	0.53 43	0.53 69	0.53 40	0.42 18	0.58 158	1.09 169	0.27 6	0.14 5	0.12 22	0.15 8	0.12 20	0.17 49	0.15 56

EGLCR-Stereo	0.37 14	0.22 24	0.51 47	0.43 23	0.26 34	0.44 40	0.22 4	0.99 115	0.48 24	0.42 32	0.42 12	0.67 123	0.29 11	0.86 108	0.33 46	0.17 62	0.12 22	0.19 90	0.17 125	0.17 49	0.15 56

AIO-Stereo	0.37 14	0.25 70	0.51 47	0.47 72	0.23 13	0.45 43	0.39 130	1.07 158	0.52 40	0.41 30	0.48 26	0.52 68	0.25 5	0.72 65	0.30 18	0.16 26	0.12 22	0.17 38	0.13 32	0.16 28	0.13 11

IGEV++	0.40 29	0.22 24	0.51 47	0.52 172	0.29 90	0.45 43	0.25 15	1.65 309	0.46 22	0.37 19	0.57 54	0.46 34	0.45 75	0.50 10	0.38 100	0.19 138	0.12 22	0.16 22	0.13 32	0.16 28	0.15 56

CREStereo++_RVC	0.47 76	0.21 11	0.38 7	0.45 56	0.38 235	0.45 43	0.25 15	0.75 28	1.29 347	0.80 121	1.21 253	0.47 41	0.37 40	0.53 16	0.44 147	0.16 26	0.11 5	0.15 8	0.80 471	0.18 78	0.11 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
Selective-IGEV	0.39 22	0.24 47	0.50 40	0.44 44	0.25 29	0.46 46	0.33 64	1.25 219	0.40 7	0.35 13	0.45 20	0.52 68	0.30 14	1.07 164	0.30 18	0.14 5	0.12 22	0.17 38	0.13 32	0.16 28	0.13 11

TRStereo	0.60 164	0.60 412	0.97 308	0.74 401	0.67 394	0.46 46	0.38 115	1.85 366	0.89 147	0.79 119	0.80 109	0.88 195	0.39 48	1.10 171	0.41 124	0.23 251	0.15 177	0.23 220	0.24 299	0.17 49	0.15 56

SCV_C0	0.43 44	0.26 84	0.65 126	0.43 23	0.29 90	0.47 48	0.31 51	1.34 232	0.73 103	0.38 24	0.49 31	0.54 75	0.29 11	1.24 203	0.30 18	0.17 62	0.13 73	0.16 22	0.13 32	0.20 149	0.15 56

WCG-NET	0.42 38	0.21 11	0.54 63	0.40 12	0.25 29	0.47 48	0.32 58	0.73 23	1.15 275	0.76 109	0.73 88	0.58 91	0.45 75	0.60 40	0.34 61	0.15 10	0.11 5	0.16 22	0.14 54	0.15 13	0.13 11

RSM	0.39 22	0.24 47	0.49 35	0.46 61	0.26 34	0.47 48	0.40 137	0.92 84	0.44 14	0.41 30	0.42 12	0.65 116	0.33 25	1.07 164	0.29 11	0.15 10	0.12 22	0.17 38	0.13 32	0.17 49	0.13 11

DEFOM-Stereo_RVC	0.40 29	0.67 422	0.42 18	0.64 328	0.29 90	0.48 51	0.25 15	0.85 63	0.44 14	0.38 24	0.36 9	0.30 6	0.70 202	1.15 181	0.29 11	0.16 26	0.11 5	0.16 22	0.11 8	0.18 78	0.12 6

fffy	0.42 38	0.27 109	0.57 84	0.46 61	0.29 90	0.48 51	0.35 81	0.91 81	0.55 45	0.40 29	0.58 56	0.55 77	0.41 54	1.26 206	0.36 79	0.15 10	0.13 73	0.19 90	0.16 105	0.18 78	0.14 28

TestStereo1	0.63 181	0.28 129	0.75 209	0.76 406	0.31 136	0.48 51	0.43 171	1.30 225	1.21 311	0.97 166	1.31 290	0.64 113	0.77 224	1.75 305	0.42 135	0.20 169	0.15 177	0.22 182	0.18 141	0.21 188	0.17 106

DCANet-4	0.54 119	0.26 84	1.07 346	0.42 20	0.24 19	0.48 51	0.36 95	0.99 115	1.30 353	1.10 210	1.02 169	0.56 84	0.75 212	0.73 69	0.52 211	0.16 26	0.13 73	0.17 38	0.13 32	0.15 13	0.19 169

fff	0.53 104	0.24 47	0.70 161	0.43 23	0.24 19	0.48 51	0.36 95	1.07 158	1.25 327	1.10 210	1.02 169	0.57 86	1.06 355	0.73 69	0.52 211	0.16 26	0.13 73	0.17 38	0.13 32	0.15 13	0.19 169

SA-5K	0.63 181	0.28 129	0.75 209	0.76 406	0.31 136	0.48 51	0.43 171	1.30 225	1.21 311	0.97 166	1.31 290	0.64 113	0.77 224	1.75 305	0.42 135	0.20 169	0.15 177	0.22 182	0.18 141	0.21 188	0.17 106

GLC_STEREO	0.39 22	0.25 70	0.41 15	0.54 203	0.23 13	0.48 51	0.30 46	0.73 23	0.58 50	0.52 68	0.73 88	0.51 61	0.31 18	0.64 44	0.42 135	0.17 62	0.20 294	0.23 220	0.19 162	0.21 188	0.17 106

ASMatch	0.88 321	0.26 84	0.69 155	0.51 151	0.35 195	0.48 51	0.37 109	1.12 177	0.92 161	1.10 210	3.28 464	0.96 235	0.98 327	4.90 432	0.49 193	0.19 138	0.16 212	0.22 182	0.19 162	0.19 115	0.27 309

sAnonymous2	0.55 134	0.56 394	1.46 411	0.60 285	0.51 326	0.48 51	0.52 253	0.79 42	0.68 88	0.50 63	0.67 69	0.46 34	0.62 176	0.59 29	0.40 113	0.22 226	0.17 240	0.22 182	0.21 237	0.86 457	0.56 431

CroCo_RVC	0.55 134	0.56 394	1.46 411	0.60 285	0.51 326	0.48 51	0.52 253	0.79 42	0.68 88	0.50 63	0.67 69	0.46 34	0.62 176	0.59 29	0.40 113	0.22 226	0.17 240	0.22 182	0.21 237	0.86 457	0.56 431

csc	0.53 104	0.24 47	0.70 161	0.43 23	0.24 19	0.48 51	0.36 95	1.07 158	1.25 327	1.10 210	1.02 169	0.57 86	1.06 355	0.73 69	0.52 211	0.16 26	0.13 73	0.17 38	0.13 32	0.15 13	0.19 169

cscssc	0.53 104	0.24 47	0.70 161	0.43 23	0.24 19	0.48 51	0.36 95	1.07 158	1.25 327	1.10 210	1.02 169	0.57 86	1.06 355	0.73 69	0.52 211	0.16 26	0.13 73	0.17 38	0.13 32	0.15 13	0.19 169

MM-Stereo_test3	0.50 91	0.24 47	0.54 63	0.54 203	0.74 411	0.49 63	0.53 261	1.09 166	1.05 216	0.62 89	0.95 136	0.61 102	0.42 58	0.77 78	0.38 100	0.20 169	0.17 240	0.20 123	0.16 105	0.18 78	0.18 130

IGEVStereo-DCA	0.46 69	0.28 129	0.56 74	0.43 23	0.33 174	0.49 63	0.42 154	0.87 66	0.50 28	0.47 47	0.48 26	0.48 44	0.46 80	2.03 337	0.30 18	0.19 138	0.14 123	0.19 90	0.15 67	0.16 28	0.18 130

rrr	0.46 69	0.28 129	0.73 191	0.43 23	0.33 174	0.49 63	0.38 115	0.76 31	0.50 28	0.47 47	0.48 26	0.48 44	0.46 80	2.03 337	0.30 18	0.19 138	0.14 123	0.19 90	0.15 67	0.16 28	0.16 81

HH	0.63 181	0.30 182	0.77 225	0.50 122	0.32 154	0.49 63	0.46 207	1.65 309	0.64 67	0.69 97	1.09 198	1.63 390	0.85 263	1.90 324	0.37 90	0.18 100	0.13 73	0.19 90	0.17 125	0.19 115	0.16 81

HanStereo	0.63 181	0.30 182	0.77 225	0.50 122	0.32 154	0.49 63	0.46 207	1.65 309	0.64 67	0.69 97	1.09 198	1.63 390	0.85 263	1.90 324	0.37 90	0.18 100	0.13 73	0.19 90	0.17 125	0.19 115	0.16 81

ADStereo(finetuned)	0.57 150	0.24 47	1.06 341	0.43 23	0.24 19	0.49 63	0.35 81	1.05 143	1.30 353	1.12 217	1.03 178	0.58 91	1.20 383	0.84 99	0.51 204	0.16 26	0.13 73	0.17 38	0.13 32	0.18 78	0.19 169

iRaft-Stereo_5w	0.85 311	0.29 162	0.91 287	0.53 188	0.43 275	0.49 63	0.68 340	0.99 115	0.87 140	0.79 119	1.34 305	1.46 360	0.91 291	5.11 435	1.11 368	0.17 62	0.14 123	0.22 182	0.18 141	0.20 149	0.20 200

OMP-Stereo	0.94 336	0.33 252	0.72 179	0.90 446	0.31 136	0.49 63	0.36 95	1.16 185	1.06 220	1.58 407	1.12 215	1.46 360	0.69 197	6.94 474	0.49 193	0.19 138	0.14 123	0.24 240	0.18 141	0.20 149	0.14 28

raftrobust	0.52 94	0.25 70	0.56 74	0.65 342	0.52 336	0.49 63	0.34 76	0.98 113	0.91 156	1.30 322	0.87 119	0.63 110	0.81 244	0.78 80	0.41 124	0.19 138	0.15 177	0.16 22	0.14 54	0.15 13	0.16 81

DCANet	0.54 119	0.24 47	0.70 161	0.43 23	0.24 19	0.49 63	0.36 95	1.05 143	1.30 353	1.12 217	1.03 178	0.58 91	0.92 294	0.81 91	0.52 211	0.16 26	0.13 73	0.17 38	0.13 32	0.18 78	0.19 169

MM-Stereo_test1	0.49 87	0.24 47	0.56 74	0.51 151	0.30 111	0.50 73	0.54 267	0.91 81	1.03 207	0.84 134	0.69 76	0.54 75	0.60 162	1.16 184	0.33 46	0.18 100	0.16 212	0.20 123	0.17 125	0.19 115	0.15 56

rvit_stereo_0083	0.47 76	0.33 252	0.81 241	0.56 239	0.36 204	0.50 73	0.44 184	0.68 16	0.95 168	0.49 56	0.57 54	0.55 77	0.49 108	0.88 111	0.46 174	0.25 292	0.25 360	0.24 240	0.20 194	0.24 251	0.17 106

rvit_stereo_0081_aga	0.44 54	0.34 275	0.73 191	0.51 151	0.41 262	0.50 73	0.40 137	0.81 52	0.57 49	0.58 76	0.56 51	0.53 73	0.43 65	0.66 51	0.40 113	0.26 312	0.21 315	0.22 182	0.20 194	0.26 273	0.18 130

WCG-NET（raft）	0.45 62	0.21 11	0.55 71	0.40 12	0.24 19	0.50 73	0.36 95	0.73 23	1.09 238	0.71 101	0.76 95	0.92 216	0.51 115	0.84 99	0.34 61	0.16 26	0.12 22	0.15 8	0.14 54	0.14 4	0.14 28

RSM++	0.38 19	0.24 47	0.51 47	0.47 72	0.26 34	0.50 73	0.41 150	0.79 42	0.45 16	0.37 19	0.45 20	0.60 98	0.35 32	1.02 150	0.30 18	0.15 10	0.13 73	0.17 38	0.14 54	0.18 78	0.13 11

MGS-Stereo	0.42 38	0.26 84	0.58 89	0.44 44	0.28 74	0.50 73	0.34 76	0.57 9	0.83 130	0.46 44	1.31 290	0.52 68	0.33 25	0.65 49	0.36 79	0.19 138	0.16 212	0.18 69	0.15 67	0.17 49	0.16 81

ff7	0.43 44	0.27 109	0.56 74	0.44 44	0.33 174	0.50 73	0.42 154	0.87 66	0.50 28	0.49 56	0.53 40	0.44 23	0.48 100	1.38 237	0.33 46	0.17 62	0.12 22	0.21 155	0.15 67	0.18 78	0.18 130

ffff	0.43 44	0.27 109	0.56 74	0.44 44	0.33 174	0.50 73	0.42 154	0.87 66	0.50 28	0.49 56	0.53 40	0.44 23	0.48 100	1.38 237	0.33 46	0.17 62	0.12 22	0.21 155	0.15 67	0.18 78	0.18 130

11t	0.43 44	0.27 109	0.56 74	0.44 44	0.33 174	0.50 73	0.42 154	0.87 66	0.50 28	0.49 56	0.53 40	0.44 23	0.48 100	1.38 237	0.33 46	0.17 62	0.12 22	0.21 155	0.15 67	0.18 78	0.18 130

StereoVision	0.65 201	0.34 275	0.86 256	0.59 274	0.40 255	0.50 73	0.41 150	1.09 166	0.93 163	0.71 101	2.50 452	0.82 167	0.57 149	1.03 151	0.49 193	0.25 292	0.28 380	0.29 335	0.28 360	0.36 362	0.20 200

CASnet	0.41 36	0.25 70	0.48 30	0.50 122	0.20 2	0.50 73	0.36 95	0.81 52	0.80 122	0.83 131	0.68 72	0.48 44	0.31 18	0.54 18	0.32 34	0.18 100	0.12 22	0.27 312	0.22 265	0.23 236	0.14 28
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
anonymousdsp	0.43 44	0.27 109	0.53 58	0.44 44	0.32 154	0.50 73	0.42 154	0.89 74	0.51 36	0.49 56	0.53 40	0.47 41	0.47 89	1.33 223	0.33 46	0.17 62	0.12 22	0.21 155	0.15 67	0.18 78	0.18 130

LoS	0.40 29	0.21 11	0.44 21	0.37 5	0.22 9	0.50 73	0.40 137	1.00 119	0.94 166	0.48 51	0.66 66	0.48 44	0.40 52	0.60 40	0.37 90	0.18 100	0.14 123	0.16 22	0.11 8	0.14 4	0.14 28
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ccc-4	0.43 44	0.27 109	0.56 74	0.44 44	0.33 174	0.50 73	0.42 154	0.87 66	0.50 28	0.49 56	0.53 40	0.44 23	0.48 100	1.38 237	0.33 46	0.17 62	0.12 22	0.21 155	0.15 67	0.18 78	0.18 130

IGEV-Stereo	0.43 44	0.27 109	0.54 63	0.45 56	0.32 154	0.50 73	0.42 154	0.90 80	0.51 36	0.49 56	0.53 40	0.47 41	0.47 89	1.32 221	0.33 46	0.17 62	0.12 22	0.21 155	0.15 67	0.18 78	0.18 130
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HHNet	0.62 174	0.26 84	0.63 112	0.43 23	0.45 289	0.50 73	0.58 306	1.07 158	1.01 200	1.25 300	2.23 440	0.70 134	0.61 171	1.07 164	0.47 181	0.20 169	0.13 73	0.23 220	0.19 162	0.19 115	0.30 337

rvit_0105_6	0.53 104	0.37 313	0.98 311	0.65 342	0.38 235	0.51 89	0.51 242	0.77 34	1.20 305	0.54 71	0.55 48	0.65 116	0.53 124	0.94 128	0.44 147	0.32 367	0.32 408	0.28 325	0.24 299	0.28 304	0.21 217

Pointernet	0.37 14	0.20 4	0.57 84	0.43 23	0.28 74	0.51 89	0.27 30	0.93 90	0.61 58	0.47 47	0.63 63	0.49 51	0.38 46	0.49 9	0.33 46	0.17 62	0.13 73	0.14 1	0.11 8	0.13 1	0.12 6

EKT-Stereo	0.53 104	0.30 182	0.73 191	0.58 261	0.60 373	0.51 89	0.48 224	0.94 97	0.90 151	0.71 101	0.88 121	0.77 148	0.43 65	1.07 164	0.40 113	0.22 226	0.16 212	0.21 155	0.18 141	0.20 149	0.22 234

LoS_RVC	0.42 38	0.26 84	0.40 12	0.44 44	0.82 436	0.51 89	0.44 184	0.64 11	0.41 8	0.44 37	0.78 99	0.44 23	0.47 89	0.56 23	0.36 79	0.13 2	0.12 22	0.14 1	0.10 2	0.13 1	0.84 461

GMOStereo	0.53 104	0.26 84	0.65 126	0.50 122	0.29 90	0.52 93	0.43 171	0.89 74	0.96 173	1.41 367	1.14 224	0.85 183	0.56 140	0.59 29	0.38 100	0.16 26	0.14 123	0.24 240	0.21 237	0.20 149	0.15 56

error version	0.53 104	0.26 84	0.65 126	0.50 122	0.29 90	0.52 93	0.43 171	0.89 74	0.96 173	1.41 367	1.14 224	0.85 183	0.56 140	0.59 29	0.38 100	0.16 26	0.14 123	0.24 240	0.21 237	0.20 149	0.15 56

test-v	0.53 104	0.26 84	0.65 126	0.50 122	0.29 90	0.52 93	0.43 171	0.89 74	0.96 173	1.41 367	1.14 224	0.85 183	0.56 140	0.59 29	0.38 100	0.16 26	0.14 123	0.24 240	0.21 237	0.20 149	0.15 56

test-2	0.53 104	0.26 84	0.65 126	0.50 122	0.29 90	0.52 93	0.43 171	0.89 74	0.96 173	1.41 367	1.14 224	0.85 183	0.56 140	0.59 29	0.38 100	0.16 26	0.14 123	0.24 240	0.21 237	0.20 149	0.15 56

sCroCo_RVC	0.49 87	0.40 331	1.02 328	0.65 342	0.60 373	0.52 93	0.40 137	0.83 59	0.61 58	0.44 37	0.74 91	0.49 51	0.50 112	0.63 43	0.48 186	0.26 312	0.27 373	0.23 220	0.22 265	0.29 315	0.25 278

rvit_0105_4	0.56 143	0.38 320	1.06 341	0.66 349	0.38 235	0.53 98	0.53 261	0.84 62	1.17 287	0.56 73	0.61 60	0.72 137	0.59 159	0.98 139	0.45 160	0.32 367	0.33 412	0.29 335	0.25 313	0.29 315	0.23 252

rvit_stereo_0075_2	0.64 193	0.46 357	1.05 337	0.66 349	0.66 390	0.53 98	0.48 224	1.20 202	1.12 249	0.76 109	0.92 129	0.78 152	0.53 124	1.03 151	0.59 238	0.37 398	0.28 380	0.40 414	0.31 385	0.37 366	0.32 352

trnet	0.39 22	0.21 11	0.37 4	0.36 3	0.20 2	0.53 98	0.29 39	0.78 38	1.12 249	0.59 84	0.71 83	0.53 73	0.42 58	0.54 18	0.34 61	0.18 100	0.13 73	0.15 8	0.10 2	0.14 4	0.13 11

GCAP-Stereo	0.40 29	0.28 129	0.68 142	0.47 72	0.25 29	0.53 98	0.32 58	0.82 55	0.58 50	0.65 93	0.69 76	0.58 91	0.42 58	0.47 7	0.29 11	0.17 62	0.14 123	0.17 38	0.13 32	0.17 49	0.14 28

rafts_anoy	0.52 94	0.29 162	0.59 96	0.59 274	0.50 315	0.53 98	0.40 137	1.11 175	1.03 207	0.84 134	0.83 111	0.68 125	0.54 129	0.72 65	0.51 204	0.19 138	0.14 123	0.24 240	0.26 330	0.21 188	0.18 130

iRaftStereo_RVC	0.47 76	0.26 84	0.64 119	0.50 122	0.29 90	0.53 98	0.33 64	1.05 143	0.77 114	0.84 134	1.00 155	0.55 77	0.37 40	0.81 91	0.40 113	0.17 62	0.12 22	0.22 182	0.20 194	0.19 115	0.15 56

CREStereo	0.39 22	0.21 11	0.38 7	0.34 1	0.22 9	0.53 98	0.29 39	0.77 34	1.11 245	0.58 76	0.71 83	0.51 61	0.41 54	0.54 18	0.34 61	0.18 100	0.13 73	0.15 8	0.10 2	0.14 4	0.14 28
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
HUF	0.36 10	0.23 34	0.52 54	0.40 12	0.22 9	0.54 105	0.47 214	0.82 55	0.43 12	0.36 17	0.43 15	0.50 57	0.42 58	0.64 44	0.29 11	0.17 62	0.12 22	0.16 22	0.12 20	0.15 13	0.14 28

MIM_Stereo	0.57 150	0.24 47	0.92 291	0.46 61	0.30 111	0.54 105	0.28 34	1.27 221	0.75 106	1.00 177	1.16 236	0.93 218	0.53 124	1.45 254	0.61 248	0.16 26	0.16 212	0.20 123	0.19 162	0.17 49	0.14 28

DCRE	0.82 296	0.26 84	0.70 161	0.58 261	0.44 282	0.54 105	0.48 224	0.95 102	0.78 117	0.78 116	7.33 494	0.86 187	0.52 119	0.76 75	0.41 124	0.16 26	0.16 212	0.19 90	0.17 125	0.18 78	0.17 106

raft_robust	0.68 221	0.30 182	0.64 119	0.52 172	0.26 34	0.54 105	0.35 81	1.33 227	1.24 324	1.16 250	1.07 189	0.60 98	0.54 129	3.58 412	0.37 90	0.18 100	0.14 123	0.20 123	0.22 265	0.20 149	0.16 81

RAFT-345	0.84 307	0.25 70	0.66 133	0.50 122	0.27 51	0.54 105	0.42 154	0.83 59	1.11 245	1.32 336	2.34 445	0.86 187	0.54 129	5.72 451	0.47 181	0.18 100	0.13 73	0.22 182	0.17 125	0.17 49	0.16 81

raft+_RVC	0.53 104	0.26 84	0.54 63	0.60 285	0.47 304	0.54 105	0.54 267	1.27 221	0.99 192	0.76 109	1.03 178	0.70 134	0.56 140	0.93 125	0.47 181	0.18 100	0.14 123	0.19 90	0.18 141	0.18 78	0.15 56

DN-CSS_ROB	0.64 193	0.32 231	1.05 337	0.55 226	0.40 255	0.54 105	0.45 200	1.21 203	0.93 163	1.03 188	1.47 345	0.69 130	0.63 181	1.76 310	0.49 193	0.18 100	0.14 123	0.25 278	0.22 265	0.22 211	0.20 200

MM-Stereo_test2	0.43 44	0.24 47	0.67 138	0.51 151	0.32 154	0.55 112	0.45 200	0.97 109	0.77 114	0.59 84	0.51 36	0.49 51	0.42 58	0.80 86	0.30 18	0.15 10	0.13 73	0.18 69	0.14 54	0.19 115	0.14 28

MonSter	0.28 3	0.18 1	0.39 11	0.36 3	0.21 5	0.55 112	0.31 51	0.55 7	0.43 12	0.28 3	0.29 6	0.23 2	0.21 1	0.56 23	0.25 3	0.11 1	0.10 1	0.14 1	0.11 8	0.14 4	0.11 1

CES	0.48 82	0.20 4	0.37 4	0.39 9	1.39 475	0.55 112	0.35 81	0.98 113	0.66 83	0.44 37	0.66 66	0.35 11	0.27 7	0.56 23	0.33 46	0.15 10	0.13 73	0.15 8	0.10 2	0.19 115	1.46 479

knoymous	0.51 93	0.29 162	0.47 28	0.43 23	0.30 111	0.55 112	0.55 283	1.02 125	0.77 114	0.98 170	0.85 115	0.94 221	0.56 140	0.85 104	0.45 160	0.20 169	0.14 123	0.26 297	0.14 54	0.23 236	0.23 252

RCA-Stereo	0.50 91	0.23 34	0.58 89	0.48 96	0.33 174	0.55 112	0.45 200	0.97 109	1.38 388	0.68 96	1.05 183	0.63 110	0.80 241	0.59 29	0.32 34	0.17 62	0.12 22	0.17 38	0.14 54	0.16 28	0.14 28

ProNet	0.43 44	0.28 129	0.58 89	0.43 23	0.30 111	0.56 117	0.52 253	1.00 119	0.58 50	0.44 37	0.49 31	0.43 21	0.43 65	1.28 211	0.36 79	0.15 10	0.13 73	0.19 90	0.16 105	0.17 49	0.16 81

PSM-softLoss	0.78 280	0.31 215	0.77 225	0.58 261	0.32 154	0.56 117	0.40 137	1.18 192	0.70 93	1.24 295	1.07 189	0.83 174	0.52 119	5.36 440	0.53 218	0.24 266	0.15 177	0.25 278	0.22 265	0.20 149	0.25 278

KMStereo	0.78 280	0.31 215	0.77 225	0.58 261	0.32 154	0.56 117	0.40 137	1.18 192	0.70 93	1.24 295	1.07 189	0.83 174	0.52 119	5.36 440	0.53 218	0.24 266	0.15 177	0.25 278	0.22 265	0.20 149	0.25 278

TestStereo	0.64 193	0.39 325	0.71 173	0.51 151	0.27 51	0.56 117	0.42 154	1.03 129	0.91 156	0.80 121	1.00 155	0.68 125	0.52 119	3.25 402	0.45 160	0.22 226	0.15 177	0.24 240	0.18 141	0.27 287	0.16 81

test_xeample3	0.42 38	0.28 129	0.69 155	0.43 23	0.33 174	0.56 117	0.38 115	0.79 42	0.45 16	0.53 69	0.46 22	0.44 23	0.44 72	1.38 237	0.31 32	0.18 100	0.14 123	0.19 90	0.15 67	0.17 49	0.16 81

AIO_test	0.35 9	0.22 24	0.44 21	0.43 23	0.27 51	0.57 122	0.44 184	0.79 42	0.41 8	0.32 6	0.47 24	0.46 34	0.30 14	0.69 54	0.30 18	0.16 26	0.11 5	0.16 22	0.13 32	0.15 13	0.12 6

UGAM-zero	1.00 357	0.30 182	0.93 293	0.47 72	0.30 111	0.57 122	0.25 15	2.25 450	0.63 63	1.01 180	1.10 202	2.73 460	1.85 448	6.26 460	0.40 113	0.17 62	0.14 123	0.19 90	0.15 67	0.16 28	0.17 106

CAS	0.63 181	0.18 1	0.37 4	2.27 483	0.84 438	0.57 122	0.54 267	0.79 42	0.62 60	0.48 51	0.70 80	0.36 12	0.26 6	0.45 5	0.35 70	2.24 484	0.10 1	0.14 1	0.09 1	0.15 13	1.06 473

rvit_0105_5	0.58 156	0.39 325	1.05 337	0.66 349	0.37 218	0.58 125	0.56 291	0.94 97	1.18 294	0.64 91	0.68 72	0.75 141	0.63 181	0.88 111	0.50 199	0.32 367	0.32 408	0.30 346	0.27 340	0.28 304	0.25 278

SA	0.66 208	0.30 182	0.82 244	0.61 298	0.30 111	0.58 125	0.38 115	1.44 257	1.30 353	0.96 163	1.36 312	0.66 120	0.95 313	1.85 320	0.42 135	0.19 138	0.15 177	0.25 278	0.23 287	0.21 188	0.17 106

test-3	0.54 119	0.22 24	0.68 142	0.47 72	0.27 51	0.58 125	0.35 81	0.92 84	1.00 197	1.32 336	0.69 76	0.87 191	0.45 75	1.68 297	0.37 90	0.16 26	0.11 5	0.20 123	0.16 105	0.17 49	0.13 11

test_1	0.54 119	0.22 24	0.68 142	0.47 72	0.27 51	0.58 125	0.35 81	0.92 84	1.00 197	1.28 309	0.68 72	0.87 191	0.45 75	1.67 292	0.37 90	0.16 26	0.11 5	0.20 123	0.16 105	0.17 49	0.13 11

XX-TBD	0.46 69	0.70 429	0.35 1	0.79 413	0.25 29	0.58 125	0.26 24	0.69 17	1.27 338	0.76 109	1.00 155	0.45 31	0.33 25	0.47 7	0.37 90	0.19 138	0.15 177	0.15 8	0.11 8	0.17 49	0.14 28

AIO_rvc	0.36 10	0.23 34	0.49 35	0.43 23	0.27 51	0.59 130	0.38 115	0.94 97	0.45 16	0.33 11	0.46 22	0.49 51	0.22 2	0.84 99	0.30 18	0.16 26	0.11 5	0.16 22	0.12 20	0.15 13	0.13 11

test_for_model	1.30 405	3.71 507	0.58 89	3.22 497	2.84 497	0.59 130	0.33 64	1.40 246	0.83 130	1.42 373	0.61 60	0.52 68	0.37 40	0.51 11	0.33 46	2.46 485	0.15 177	0.16 22	0.11 8	4.39 507	1.50 480

MyStereo07	0.48 82	0.29 162	0.50 40	0.55 226	0.45 289	0.59 130	0.79 368	1.05 143	0.51 36	0.48 51	0.53 40	0.43 21	0.55 136	1.30 216	0.34 61	0.17 62	0.16 212	0.24 240	0.20 194	0.23 236	0.20 200

MyStereo04	0.67 217	0.29 162	1.07 346	0.55 226	0.45 289	0.59 130	0.79 368	1.50 270	1.40 398	0.91 151	0.91 127	0.74 139	0.86 271	1.52 265	0.62 251	0.17 62	0.16 212	0.24 240	0.20 194	0.23 236	0.20 200

PFNet+	0.59 161	0.28 129	0.77 225	0.53 188	0.30 111	0.59 130	0.31 51	0.92 84	1.14 264	1.33 344	1.10 202	0.79 156	0.57 149	1.31 217	0.49 193	0.25 292	0.17 240	0.28 325	0.26 330	0.21 188	0.25 278

DeepStereo_RVC	0.55 134	0.29 162	0.72 179	0.51 151	0.30 111	0.59 130	0.33 64	1.03 129	0.70 93	1.16 250	0.93 132	0.83 174	0.94 308	0.96 131	0.54 224	0.21 200	0.14 123	0.21 155	0.19 162	0.24 251	0.24 266

RAFT-IKP	0.54 119	0.30 182	0.73 191	0.50 122	0.27 51	0.59 130	0.36 95	1.04 135	0.64 67	1.12 217	0.96 139	0.83 174	0.61 171	1.22 196	0.45 160	0.22 226	0.14 123	0.24 240	0.20 194	0.26 273	0.18 130

Prome-Stereo	0.75 264	0.27 109	0.53 58	0.55 226	0.32 154	0.59 130	0.97 409	0.89 74	0.88 144	1.45 377	2.46 451	0.91 207	1.41 407	1.58 278	0.44 147	0.18 100	0.13 73	0.19 90	0.17 125	0.20 149	0.92 464

ISRNet	0.80 287	0.33 252	1.07 346	0.81 419	0.66 390	0.60 138	0.34 76	1.19 200	1.13 261	1.59 408	1.53 359	1.35 341	0.77 224	1.27 209	0.94 340	0.39 405	0.34 413	0.43 421	0.38 418	0.34 353	0.49 418

IGEV-RUCA	0.37 14	0.23 34	0.48 30	0.49 111	0.36 204	0.60 138	0.23 9	0.64 11	0.49 25	0.39 28	0.49 31	0.44 23	0.31 18	0.85 104	0.30 18	0.24 266	0.13 73	0.16 22	0.12 20	0.20 149	0.19 169

RAFT-Stereo-weight	0.47 76	0.24 47	0.53 58	0.48 96	0.27 51	0.60 138	0.35 81	1.02 125	1.07 225	0.99 173	0.78 99	0.76 145	0.28 8	0.76 75	0.36 79	0.16 26	0.12 22	0.17 38	0.15 67	0.16 28	0.15 56

GwcNet-ADL	0.64 193	0.31 215	0.79 235	0.56 239	0.41 262	0.60 138	0.58 306	1.41 248	1.26 332	1.08 196	1.13 220	0.91 207	0.60 162	1.04 157	0.78 302	0.27 327	0.18 260	0.18 69	0.18 141	0.25 262	0.29 325

EAI-Stereo	0.65 201	0.28 129	0.69 155	0.53 188	0.27 51	0.60 138	0.40 137	2.28 453	0.64 67	0.71 101	3.18 463	0.57 86	0.43 65	1.06 160	0.41 124	0.18 100	0.13 73	0.17 38	0.17 125	0.17 49	0.17 106

CFNet-RSSM	0.54 119	0.24 47	0.70 161	0.48 96	0.28 74	0.60 138	0.27 30	1.49 266	1.14 264	1.06 192	0.93 132	1.08 270	0.54 129	0.70 58	0.35 70	0.16 26	0.12 22	0.17 38	0.15 67	0.16 28	0.14 28

castereo	0.41 36	0.22 24	0.46 26	0.44 44	0.30 111	0.61 144	0.56 291	0.97 109	0.80 122	0.38 24	0.69 76	0.45 31	0.69 197	0.51 11	0.30 18	0.16 26	0.11 5	0.16 22	0.13 32	0.16 28	0.12 6

SMoEStereo_RVC	0.39 22	0.25 70	0.50 40	0.45 56	0.30 111	0.61 144	0.36 95	0.72 21	0.45 16	0.46 44	0.43 15	0.42 18	0.35 32	1.39 242	0.29 11	0.15 10	0.12 22	0.20 123	0.15 67	0.16 28	0.15 56

MyStereo06	0.61 170	0.28 129	0.95 301	0.56 239	0.46 299	0.61 144	0.73 352	1.78 345	0.67 84	1.03 188	1.12 215	1.13 292	0.56 140	0.78 80	0.41 124	0.17 62	0.16 212	0.23 220	0.20 194	0.22 211	0.20 200

MyStereo05	0.66 208	0.28 129	1.07 346	0.56 239	0.46 299	0.61 144	0.73 352	1.34 232	1.41 402	1.15 240	0.91 127	0.77 148	0.80 241	1.41 249	0.63 255	0.17 62	0.16 212	0.23 220	0.20 194	0.22 211	0.20 200

test_3	0.55 134	0.23 34	0.71 173	0.53 188	0.28 74	0.61 144	0.40 137	0.92 84	1.05 216	1.19 268	0.68 72	0.93 218	0.44 72	1.67 292	0.39 108	0.15 10	0.12 22	0.22 182	0.19 162	0.21 188	0.14 28

IIG-Stereo	0.96 340	0.31 215	0.72 179	0.88 442	0.33 174	0.61 144	0.26 24	1.19 200	1.03 207	1.69 417	1.37 314	1.46 360	0.75 212	6.96 475	0.51 204	0.19 138	0.14 123	0.23 220	0.18 141	0.20 149	0.14 28

test-1	0.52 94	0.26 84	1.04 336	0.56 239	0.32 154	0.61 144	0.38 115	1.10 169	0.91 156	0.78 116	1.01 161	0.77 148	0.52 119	0.60 40	0.42 135	0.17 62	0.14 123	0.20 123	0.17 125	0.20 149	0.23 252

RALCasStereoNet	0.54 119	0.30 182	0.66 133	0.59 274	0.51 326	0.61 144	0.52 253	0.94 97	0.93 163	0.70 99	1.01 161	0.78 152	0.44 72	1.33 223	0.47 181	0.20 169	0.16 212	0.18 69	0.16 105	0.20 149	0.19 169

DisPM	0.66 208	0.28 129	0.72 179	0.61 298	0.35 195	0.62 152	0.45 200	1.02 125	0.99 192	1.56 401	1.10 202	0.80 158	0.59 159	2.37 368	0.41 124	0.23 251	0.14 123	0.23 220	0.21 237	0.20 149	0.25 278

AIO-Stereo-zeroshot	0.72 236	0.35 296	1.70 429	0.49 111	0.56 350	0.63 153	0.38 115	2.41 464	0.65 81	0.77 114	1.07 189	1.82 412	0.95 313	0.93 125	0.43 144	0.20 169	0.13 73	0.21 155	0.25 313	0.28 304	0.26 300

NRIStereo	0.60 164	0.29 162	0.69 155	0.53 188	0.28 74	0.63 153	0.33 64	1.08 164	0.87 140	1.14 234	0.87 119	0.91 207	0.59 159	2.24 357	0.49 193	0.20 169	0.14 123	0.21 155	0.19 162	0.21 188	0.17 106

Pruner-Stereo	0.62 174	0.29 162	0.70 161	0.61 298	0.31 136	0.63 153	0.43 171	1.17 187	0.99 192	1.53 393	1.08 193	0.95 229	0.55 136	1.35 227	0.51 204	0.23 251	0.14 123	0.24 240	0.21 237	0.21 188	0.23 252

rvit_0105_3	0.63 181	0.44 348	1.08 350	0.72 390	0.40 255	0.64 156	0.71 348	1.03 129	1.17 287	0.82 129	0.70 80	0.80 158	0.70 202	0.91 118	0.56 230	0.35 390	0.34 413	0.34 382	0.32 393	0.27 287	0.28 321

AIO-Stereo-zeroshot1	0.98 350	0.39 325	3.21 473	0.50 122	0.63 382	0.64 156	0.39 130	2.36 459	0.75 106	0.95 161	4.63 479	1.81 410	0.56 140	0.96 131	0.41 124	0.18 100	0.13 73	0.21 155	0.26 330	0.32 343	0.35 367

qqq	0.57 150	0.34 275	0.71 173	0.47 72	0.27 51	0.64 156	0.62 322	1.42 250	0.78 117	0.80 121	0.92 129	0.95 229	0.77 224	0.88 111	0.59 238	0.21 200	0.20 294	0.24 240	0.23 287	0.22 211	0.21 217

test_4	0.53 104	0.22 24	0.56 74	0.54 203	0.32 154	0.64 156	0.39 130	0.80 49	0.62 60	0.92 153	1.87 418	0.68 125	0.42 58	1.16 184	0.37 90	0.15 10	0.13 73	0.20 123	0.22 265	0.20 149	0.15 56

dd	0.59 161	0.48 366	0.97 308	0.55 226	0.32 154	0.64 156	0.47 214	1.02 125	1.34 368	0.78 116	0.86 116	0.58 91	0.54 129	1.01 147	0.86 328	0.28 340	0.18 260	0.26 297	0.19 162	0.32 343	0.24 266

NF-Stereo	0.80 287	0.30 182	0.75 209	0.60 285	0.31 136	0.64 156	0.44 184	1.21 203	0.90 151	1.29 314	1.02 169	0.82 167	0.57 149	5.40 444	0.48 186	0.23 251	0.14 123	0.24 240	0.20 194	0.20 149	0.30 337

OCTAStereo	0.80 287	0.30 182	0.75 209	0.60 285	0.31 136	0.64 156	0.44 184	1.21 203	0.90 151	1.29 314	1.01 161	0.82 167	0.57 149	5.35 439	0.48 186	0.24 266	0.14 123	0.24 240	0.20 194	0.20 149	0.30 337

ROB_FTStereo_v2	0.54 119	0.30 182	0.73 191	0.50 122	0.27 51	0.64 156	0.42 154	1.05 143	0.64 67	1.12 217	0.96 139	0.83 174	0.60 162	1.12 177	0.46 174	0.22 226	0.14 123	0.24 240	0.20 194	0.26 273	0.18 130

ROB_FTStereo	0.54 119	0.30 182	0.73 191	0.50 122	0.27 51	0.64 156	0.25 15	1.05 143	0.64 67	1.12 217	0.95 136	0.82 167	0.61 171	1.15 181	0.45 160	0.22 226	0.14 123	0.24 240	0.20 194	0.26 273	0.18 130

PFNet	0.91 329	0.26 84	1.10 356	0.63 319	0.32 154	0.64 156	0.56 291	1.17 187	0.99 192	1.47 380	1.08 193	0.98 239	0.69 197	6.62 466	0.54 224	0.20 169	0.12 22	0.24 240	0.19 162	0.20 149	0.17 106

RE-Stereo	0.80 287	0.30 182	0.75 209	0.60 285	0.31 136	0.64 156	0.44 184	1.21 203	0.90 151	1.29 314	1.01 161	0.81 162	0.57 149	5.37 442	0.48 186	0.24 266	0.14 123	0.24 240	0.20 194	0.20 149	0.30 337

TVStereo	0.80 287	0.30 182	0.75 209	0.60 285	0.31 136	0.64 156	0.44 184	1.21 203	0.90 151	1.29 314	1.01 161	0.81 162	0.57 149	5.37 442	0.48 186	0.24 266	0.14 123	0.24 240	0.20 194	0.20 149	0.30 337

GMStereo	0.55 134	0.45 355	0.94 297	0.50 122	0.32 154	0.64 156	0.43 171	1.00 119	1.40 398	0.82 129	0.73 88	0.51 61	0.45 75	0.85 104	0.55 228	0.24 266	0.15 177	0.20 123	0.21 237	0.31 335	0.24 266
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
Gwc-CoAtRS	0.52 94	0.24 47	0.68 142	0.48 96	0.29 90	0.64 156	0.25 15	1.16 185	1.08 231	1.01 180	1.00 155	1.12 287	0.56 140	0.69 54	0.37 90	0.16 26	0.13 73	0.17 38	0.15 67	0.15 13	0.15 56

IPLGR	0.58 156	0.27 109	1.14 366	0.48 96	0.28 74	0.65 170	0.33 64	1.22 211	1.13 261	1.18 264	1.05 183	0.69 130	0.66 193	0.96 131	0.52 211	0.17 62	0.15 177	0.20 123	0.17 125	0.20 149	0.18 130

Patchmatch Stereo++	0.55 134	0.30 182	0.73 191	0.50 122	0.27 51	0.65 170	0.29 39	1.05 143	0.64 67	1.12 217	0.96 139	0.83 174	0.60 162	1.37 233	0.45 160	0.22 226	0.14 123	0.24 240	0.20 194	0.26 273	0.18 130
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.54 119	0.30 182	0.73 191	0.50 122	0.27 51	0.65 170	0.41 150	1.04 135	0.64 67	1.12 217	0.96 139	0.82 167	0.61 171	1.06 160	0.45 160	0.22 226	0.14 123	0.24 240	0.20 194	0.26 273	0.18 130

HUI-Stereo	0.52 94	0.30 182	0.73 191	0.50 122	0.27 51	0.65 170	0.30 46	1.04 135	0.64 67	1.12 217	0.96 139	0.83 174	0.60 162	0.79 84	0.45 160	0.22 226	0.14 123	0.24 240	0.20 194	0.26 273	0.18 130

iGMRVC	0.56 143	0.30 182	0.73 191	0.50 122	0.27 51	0.65 170	0.38 115	1.05 143	0.64 67	1.12 217	0.96 139	0.83 174	0.60 162	1.52 265	0.46 174	0.22 226	0.14 123	0.24 240	0.20 194	0.26 273	0.18 130

IRAFT_RVC	0.88 321	0.28 129	0.76 219	0.63 319	0.31 136	0.65 170	1.02 418	1.22 211	0.94 166	1.22 281	1.04 181	1.01 253	0.98 327	5.82 454	0.53 218	0.22 226	0.12 22	0.25 278	0.20 194	0.20 149	0.19 169

iRAFT	0.55 134	0.30 182	0.73 191	0.50 122	0.27 51	0.65 170	0.29 39	1.05 143	0.64 67	1.12 217	0.96 139	0.83 174	0.60 162	1.37 233	0.45 160	0.22 226	0.14 123	0.24 240	0.20 194	0.26 273	0.18 130

TANstereo	0.44 54	0.21 11	0.44 21	0.41 15	0.21 5	0.65 170	0.26 24	0.79 42	0.83 130	0.93 154	0.98 149	0.51 61	0.46 80	0.54 18	0.35 70	0.18 100	0.24 353	0.16 22	0.13 32	0.16 28	0.26 300

4D-IteraStereo	0.48 82	0.24 47	0.76 219	0.50 122	0.44 282	0.66 178	0.31 51	0.87 66	1.02 203	1.03 188	0.72 86	0.78 152	0.32 24	0.64 44	0.37 90	0.17 62	0.11 5	0.23 220	0.19 162	0.19 115	0.13 11

MIPNet	0.56 143	0.28 129	0.94 297	0.49 111	0.33 174	0.66 178	0.38 115	1.35 235	1.08 231	1.06 192	0.92 129	0.60 98	0.79 235	0.73 69	0.52 211	0.17 62	0.14 123	0.19 90	0.16 105	0.18 78	0.17 106

TransformOpticalFlow	0.96 340	0.28 129	0.89 280	0.52 172	0.31 136	0.66 178	0.54 267	1.75 331	1.12 249	1.09 202	1.44 336	1.37 346	1.01 339	6.70 471	0.42 135	0.19 138	0.12 22	0.20 123	0.19 162	0.18 78	0.19 169

FTStereo	0.91 329	0.26 84	0.56 74	0.54 203	0.33 174	0.66 178	1.87 473	1.00 119	0.75 106	1.75 421	4.15 474	1.04 262	1.65 432	1.57 276	0.46 174	0.19 138	0.16 212	0.23 220	0.21 237	0.18 78	0.63 444

Former-RAFT_DAM_RVC	0.46 69	0.36 306	0.71 173	0.47 72	0.36 204	0.67 182	0.35 81	0.78 38	1.12 249	0.61 87	0.62 62	0.39 17	0.39 48	0.71 62	0.39 108	0.20 169	0.17 240	0.22 182	0.18 141	0.23 236	0.19 169

AE-Stereo	0.49 87	0.27 109	0.67 138	0.60 285	0.39 245	0.67 182	0.46 207	1.18 192	1.09 238	0.47 47	0.75 93	0.69 130	0.47 89	0.59 29	0.40 113	0.16 26	0.15 177	0.21 155	0.20 194	0.19 115	0.15 56

x	0.54 119	0.31 215	0.61 104	0.47 72	0.30 111	0.67 182	0.47 214	1.53 284	0.79 121	0.81 125	0.83 111	0.78 152	0.70 202	0.70 58	0.62 251	0.21 200	0.19 276	0.22 182	0.19 162	0.21 188	0.20 200

CrosDoStereo	1.58 429	0.24 47	0.72 179	0.48 96	0.29 90	0.67 182	12.49 508	1.10 169	0.98 185	1.34 347	1.75 403	1.00 246	1.89 450	6.65 467	0.81 313	0.19 138	0.15 177	0.20 123	0.22 265	0.18 78	0.19 169

AAGNet	1.83 446	0.28 129	0.72 179	0.61 298	0.32 154	0.67 182	0.51 242	0.96 108	0.98 185	1.47 380	1.20 251	1.00 246	1.18 377	2.83 387	22.77 514	0.22 226	0.13 73	0.22 182	0.19 162	0.23 236	0.15 56

KYRaft	0.75 264	0.28 129	0.62 109	0.56 239	0.29 90	0.67 182	0.86 386	0.94 97	0.84 134	1.62 412	2.21 439	1.16 296	1.02 344	1.57 276	0.40 113	0.20 169	0.13 73	0.22 182	0.28 360	0.20 149	1.02 468

DeepStereo_LL	1.58 429	0.24 47	0.72 179	0.48 96	0.29 90	0.67 182	12.49 508	1.10 169	0.98 185	1.34 347	1.75 403	1.00 246	1.89 450	6.65 467	0.81 313	0.19 138	0.15 177	0.20 123	0.22 265	0.18 78	0.19 169

testlalala2	0.58 156	0.27 109	0.68 142	1.72 477	1.27 474	0.68 189	0.42 154	0.93 90	0.70 93	0.90 146	0.93 132	0.76 145	0.34 31	0.52 14	0.40 113	0.18 100	0.15 177	0.17 38	0.13 32	0.17 49	0.17 106

GANet-ADL	0.60 164	0.35 296	0.72 179	0.64 328	0.40 255	0.68 189	0.51 242	1.49 266	1.12 249	0.95 161	1.08 193	0.91 207	0.57 149	0.76 75	0.55 228	0.26 312	0.18 260	0.18 69	0.16 105	0.23 236	0.25 278

STrans-v2	1.04 368	0.28 129	0.96 306	0.49 111	0.32 154	0.68 189	0.79 368	2.47 468	1.12 249	1.12 217	1.46 344	1.40 347	1.46 414	6.70 471	0.43 144	0.18 100	0.13 73	0.20 123	0.18 141	0.18 78	0.18 130

cross-raft	0.54 119	0.25 70	0.61 104	0.52 172	0.29 90	0.68 189	0.37 109	1.46 261	0.76 112	1.01 180	1.06 185	1.28 327	0.46 80	0.71 62	0.35 70	0.15 10	0.12 22	0.18 69	0.16 105	0.19 115	0.14 28

RAFT	0.64 193	0.30 182	0.73 191	0.59 274	0.33 174	0.68 189	0.58 306	1.04 135	0.76 112	1.08 196	1.19 248	1.65 395	0.93 303	1.06 160	0.56 230	0.21 200	0.18 260	0.27 312	0.24 299	0.22 211	0.17 106

model_zeroshot	0.48 82	0.29 162	0.86 256	0.51 151	0.36 204	0.69 194	0.37 109	1.12 177	0.62 60	0.85 139	0.84 113	0.66 120	0.37 40	0.73 69	0.34 61	0.20 169	0.16 212	0.19 90	0.16 105	0.17 49	0.16 81

MSKI-zero shot	0.55 134	0.26 84	0.57 84	0.51 151	0.26 34	0.69 194	0.28 34	1.18 192	0.64 67	0.91 151	1.32 296	0.82 167	0.33 25	1.92 326	0.32 34	0.17 62	0.12 22	0.17 38	0.13 32	0.16 28	0.16 81

LCNet	0.72 236	0.28 129	0.52 54	0.55 226	0.31 136	0.69 194	0.54 267	1.00 119	0.88 144	1.19 268	1.34 305	0.97 237	1.34 404	2.56 378	0.45 160	0.18 100	0.13 73	0.21 155	0.25 313	0.27 287	0.73 456

RAFT_R40	0.83 302	0.28 129	0.73 191	0.59 274	0.31 136	0.69 194	0.44 184	1.10 169	0.95 168	1.47 380	1.10 202	1.00 246	0.85 263	5.53 446	0.46 174	0.22 226	0.13 73	0.23 220	0.20 194	0.23 236	0.18 130

RALAANet	0.60 164	0.33 252	0.87 267	0.62 310	0.50 315	0.69 194	0.31 51	1.21 203	1.06 220	1.09 202	1.16 236	0.88 195	0.46 80	1.22 196	0.42 135	0.19 138	0.15 177	0.21 155	0.17 125	0.27 287	0.17 106

R-Stereo Train	0.57 150	0.26 84	0.63 112	0.54 203	0.36 204	0.69 194	0.54 267	1.22 211	0.72 99	1.61 409	1.50 355	0.75 141	0.53 124	0.64 44	0.44 147	0.18 100	0.15 177	0.17 38	0.15 67	0.17 49	0.17 106

RAFT-Stereo	0.57 150	0.26 84	0.63 112	0.54 203	0.36 204	0.69 194	0.54 267	1.22 211	0.72 99	1.61 409	1.50 355	0.75 141	0.53 124	0.64 44	0.44 147	0.18 100	0.15 177	0.17 38	0.15 67	0.17 49	0.17 106
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
UGAM	1.14 389	0.27 109	0.95 301	0.53 188	0.42 267	0.70 201	0.72 351	0.95 102	1.32 361	0.98 170	1.48 350	1.78 409	0.87 276	9.65 502	0.87 329	0.21 200	0.18 260	0.30 346	0.24 299	0.19 115	0.16 81

GCAP-BAT	0.49 87	0.31 215	0.64 119	0.41 15	0.46 299	0.70 201	0.35 81	0.77 34	0.64 67	0.86 141	1.00 155	0.77 148	0.37 40	1.18 190	0.36 79	0.18 100	0.14 123	0.18 69	0.13 32	0.17 49	0.15 56

LL-Strereo2	0.52 94	0.33 252	0.69 155	0.52 172	0.37 218	0.70 201	0.30 46	1.13 180	0.67 84	0.94 159	0.78 99	0.91 207	0.42 58	1.05 159	0.42 135	0.17 62	0.16 212	0.29 335	0.25 313	0.21 188	0.16 81

CFNet_pseudo	0.66 208	0.32 231	0.86 256	0.48 96	0.39 245	0.70 201	0.40 137	1.33 227	1.22 317	1.16 250	1.34 305	1.24 312	0.64 185	0.98 139	0.59 238	0.21 200	0.16 212	0.33 372	0.19 162	0.36 362	0.25 278

ccs_rob	0.66 208	0.33 252	0.86 256	0.48 96	0.39 245	0.70 201	0.40 137	1.33 227	1.22 317	1.16 250	1.34 305	1.23 310	0.64 185	0.98 139	0.59 238	0.21 200	0.16 212	0.35 390	0.20 194	0.37 366	0.25 278

testlalala	0.45 62	0.28 129	0.59 96	0.42 20	0.39 245	0.71 206	0.39 130	1.08 164	0.45 16	1.24 295	0.80 109	0.61 102	0.36 36	0.54 18	0.33 46	0.20 169	0.13 73	0.18 69	0.12 20	0.15 13	0.15 56

RAFT_CTSACE	0.63 181	0.26 84	0.88 274	0.55 226	0.51 326	0.71 206	0.44 184	0.80 49	0.97 180	0.97 166	1.84 413	1.18 300	0.68 194	1.47 260	0.36 79	0.16 26	0.15 177	0.21 155	0.20 194	0.20 149	0.14 28

PMTNet	0.46 69	0.21 11	0.38 7	0.37 5	0.23 13	0.71 206	0.27 30	0.74 27	1.04 212	0.64 91	0.70 80	0.55 77	0.47 89	0.86 108	0.35 70	1.00 467	0.13 73	0.15 8	0.10 2	0.15 13	0.13 11

SST-Stereo	0.83 302	0.28 129	0.72 179	0.59 274	0.31 136	0.72 209	0.26 24	1.09 166	0.86 136	1.47 380	1.10 202	1.00 246	0.87 276	5.73 452	0.45 160	0.22 226	0.13 73	0.23 220	0.19 162	0.23 236	0.18 130

GMM-Stereo	0.74 256	0.25 70	0.59 96	0.54 203	0.34 191	0.72 209	0.99 413	1.01 124	0.87 140	1.36 352	1.78 406	1.12 287	0.81 244	2.09 343	0.46 174	0.18 100	0.12 22	0.25 278	0.25 313	0.20 149	0.85 462

111	0.60 164	0.23 34	0.70 161	0.43 23	0.24 19	0.72 209	0.42 154	1.18 192	1.41 402	0.80 121	1.38 318	1.10 282	0.79 235	0.96 131	0.58 236	0.18 100	0.13 73	0.17 38	0.15 67	0.17 49	0.19 169

DCVSM-stereo	0.72 236	0.35 296	0.76 219	0.55 226	0.42 267	0.73 212	0.38 115	1.21 203	1.02 203	1.79 427	1.04 181	1.62 385	1.03 346	1.04 157	0.79 308	0.24 266	0.27 373	0.29 335	0.24 299	0.30 326	0.36 372

Sa-1000	0.72 236	0.29 162	0.76 219	0.59 274	0.30 111	0.73 212	0.37 109	1.62 305	1.33 365	1.28 309	2.04 431	0.86 187	0.75 212	1.84 317	0.38 100	0.19 138	0.14 123	0.25 278	0.23 287	0.20 149	0.16 81

iRaft-Stereo_20w	0.65 201	0.31 215	1.00 317	0.47 72	0.34 191	0.73 212	0.30 46	2.96 476	0.70 93	1.15 240	1.14 224	0.76 145	0.65 191	1.11 174	0.38 100	0.17 62	0.13 73	0.18 69	0.16 105	0.19 115	0.18 130

PSMNet-RSSM	0.72 236	0.30 182	0.61 104	0.63 319	0.42 267	0.73 212	0.56 291	1.92 386	1.10 243	1.09 202	1.37 314	1.22 305	0.98 327	1.28 211	0.72 282	0.27 327	0.19 276	0.27 312	0.29 371	0.24 251	0.24 266

ffm	0.72 236	0.33 252	0.85 250	0.53 188	0.37 218	0.74 216	0.56 291	0.95 102	2.47 466	1.15 240	1.45 338	1.06 264	0.82 248	1.55 273	0.32 34	0.20 169	0.12 22	0.31 352	0.27 340	0.19 115	0.20 200

ff1	1.37 414	0.33 252	0.85 250	0.53 188	0.37 218	0.74 216	0.56 291	0.95 102	2.47 466	1.15 240	1.45 338	1.06 264	0.82 248	7.22 477	7.61 485	0.20 169	0.12 22	0.31 352	0.27 340	0.19 115	0.20 200

mmx	1.39 416	0.33 252	0.85 250	0.53 188	0.37 218	0.74 216	0.56 291	2.13 425	1.37 384	1.15 240	1.45 338	1.06 264	0.82 248	7.22 477	7.61 485	0.24 266	0.19 276	0.31 352	0.27 340	0.30 326	0.25 278

xxx	1.39 416	0.33 252	0.85 250	0.53 188	0.37 218	0.74 216	0.56 291	2.13 425	1.37 384	1.15 240	1.45 338	1.06 264	0.82 248	7.22 477	7.61 485	0.24 266	0.19 276	0.31 352	0.27 340	0.30 326	0.25 278

CFNet_ucs	0.70 227	0.33 252	0.88 274	0.50 122	0.43 275	0.74 216	0.44 184	1.60 298	1.29 347	1.22 281	1.54 363	1.09 280	0.63 181	0.99 142	0.59 238	0.25 292	0.20 294	0.37 401	0.21 237	0.40 383	0.28 321

999	0.48 82	0.22 24	0.49 35	0.48 96	0.34 191	0.75 221	0.31 51	0.85 63	0.55 45	0.37 19	0.48 26	0.50 57	0.36 36	2.45 373	0.39 108	0.16 26	0.13 73	0.18 69	0.15 67	0.16 28	0.19 169

rvit_105_1	0.72 236	0.52 383	1.01 321	0.78 411	0.49 308	0.75 221	0.87 388	1.12 177	1.18 294	0.99 173	0.79 104	0.90 204	0.77 224	1.26 206	0.75 291	0.41 412	0.36 429	0.36 398	0.41 425	0.30 326	0.33 358

LL-Strereo	1.33 410	0.39 325	1.38 399	0.61 298	0.61 376	0.75 221	0.66 334	1.63 307	1.17 287	1.56 401	1.60 377	2.03 433	2.12 462	9.72 503	0.97 348	0.21 200	0.18 260	0.27 312	0.23 287	0.22 211	0.25 278

CIPLG	0.62 174	0.33 252	0.96 306	0.58 261	0.50 315	0.75 221	0.48 224	1.05 143	0.96 173	1.40 365	1.57 373	0.64 113	0.48 100	0.89 116	0.70 274	0.23 251	0.15 177	0.19 90	0.16 105	0.19 115	0.21 217

ACRE	0.61 170	0.33 252	1.01 321	0.58 261	0.49 308	0.75 221	0.47 214	1.06 156	0.95 168	1.37 354	1.55 365	0.62 107	0.46 80	0.83 96	0.70 274	0.23 251	0.15 177	0.19 90	0.16 105	0.18 78	0.21 217

AANet_RVC	1.16 395	0.52 383	1.49 418	0.65 342	0.45 289	0.75 221	0.69 344	1.42 250	1.55 423	1.34 347	1.87 418	1.53 372	0.78 231	7.43 482	1.38 399	0.25 292	0.17 240	0.19 90	0.16 105	0.22 211	0.26 300

test_sample1	0.61 170	0.29 162	0.75 209	0.50 122	0.31 136	0.76 227	0.48 224	1.59 294	0.84 134	0.90 146	0.94 135	0.88 195	0.95 313	1.16 184	0.67 266	0.22 226	0.18 260	0.20 123	0.19 162	0.21 188	0.21 217

gcap-zeroshot	0.53 104	0.28 129	0.89 280	0.49 111	0.28 74	0.76 227	0.37 109	1.34 232	0.73 103	0.89 144	0.67 69	1.35 341	0.51 115	0.79 84	0.33 46	0.18 100	0.15 177	0.18 69	0.15 67	0.17 49	0.16 81

anonymousdsp2	0.53 104	0.27 109	0.74 206	0.48 96	0.29 90	0.76 227	0.47 214	1.61 301	0.82 129	0.77 114	0.77 97	0.75 141	0.47 89	1.03 151	0.40 113	0.18 100	0.13 73	0.18 69	0.13 32	0.19 115	0.18 130

dad	0.86 316	0.66 421	1.06 341	0.56 239	0.37 218	0.76 227	0.44 184	1.17 187	1.50 415	1.44 375	1.27 275	1.34 340	0.75 212	2.52 377	0.84 323	0.42 416	0.27 373	0.83 465	0.26 330	0.41 386	0.29 325

IPLGR_C	0.62 174	0.33 252	0.99 312	0.58 261	0.49 308	0.76 227	0.48 224	1.10 169	0.96 173	1.40 365	1.56 369	0.62 107	0.48 100	0.80 86	0.71 279	0.23 251	0.15 177	0.19 90	0.16 105	0.19 115	0.21 217

AACVNet	0.86 316	0.35 296	0.79 235	0.82 425	0.39 245	0.76 227	0.49 234	1.61 301	0.81 124	1.08 196	1.33 298	1.30 331	0.93 303	4.34 423	0.74 286	0.25 292	0.21 315	0.28 325	0.22 265	0.29 315	0.25 278

GrayStereo	0.82 296	0.26 84	0.58 89	0.63 319	0.37 218	0.76 227	1.86 472	1.11 175	0.87 140	1.99 442	1.89 420	1.08 270	1.82 447	1.39 242	0.48 186	0.19 138	0.14 123	0.19 90	0.21 237	0.18 78	0.39 385

HCRNet	0.70 227	0.39 325	0.73 191	0.60 285	0.59 370	0.76 227	0.35 81	1.22 211	1.13 261	1.02 184	0.99 151	1.02 255	0.76 220	2.19 354	0.70 274	0.28 340	0.19 276	0.28 325	0.23 287	0.25 262	0.23 252

UDGNet	0.72 236	1.17 467	0.80 240	0.77 409	0.41 262	0.77 235	0.38 115	0.97 109	1.34 368	0.81 125	0.88 121	0.71 136	0.60 162	1.21 195	0.54 224	0.52 440	0.19 276	1.02 473	0.26 330	0.71 453	0.31 347

DAS	0.84 307	0.34 275	1.03 332	0.64 328	0.69 402	0.77 235	0.63 325	1.54 286	1.20 305	1.79 427	1.55 365	0.95 229	1.04 348	2.83 387	0.60 246	0.21 200	0.16 212	0.25 278	0.18 141	0.27 287	0.22 234

SepStereo	0.82 296	0.34 275	1.03 332	0.64 328	0.69 402	0.77 235	0.63 325	1.54 286	1.20 305	1.79 427	1.55 365	0.95 229	1.04 348	2.30 363	0.60 246	0.21 200	0.16 212	0.25 278	0.18 141	0.27 287	0.22 234

PSM-AAD	0.79 284	0.27 109	0.53 58	0.55 226	0.28 74	0.77 235	1.24 440	0.99 115	0.91 156	1.66 415	1.57 373	0.81 162	2.19 465	1.65 287	0.44 147	0.19 138	0.14 123	0.38 404	0.32 393	0.21 188	0.70 453

DMCA-RVC	0.74 256	0.40 331	1.27 385	0.66 349	0.49 308	0.77 235	0.47 214	1.35 235	1.01 200	1.53 393	1.01 161	1.29 330	0.82 248	1.31 217	0.78 302	0.27 327	0.21 315	0.35 390	0.27 340	0.32 343	0.24 266

PCWNet_CMD	0.66 208	0.32 231	0.88 274	0.49 111	0.37 218	0.78 240	0.40 137	1.42 250	1.31 357	1.16 250	1.31 290	1.25 316	0.62 176	0.89 116	0.57 233	0.20 169	0.16 212	0.27 312	0.19 162	0.40 383	0.25 278

CASS	0.65 201	0.34 275	0.72 179	0.56 239	0.27 51	0.78 240	0.42 154	1.59 294	0.86 136	1.30 322	1.25 265	0.87 191	0.84 260	0.84 99	0.54 224	0.35 390	0.19 276	0.26 297	0.21 237	0.28 304	0.42 394
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
cf-r	0.73 253	0.30 182	0.77 225	0.55 226	0.63 382	0.78 240	0.48 224	1.79 350	1.15 275	1.13 231	1.26 272	1.43 351	0.87 276	1.40 248	0.85 326	0.25 292	0.18 260	0.22 182	0.23 287	0.19 115	0.19 169

GwcNet-RSSM	0.77 272	0.32 231	1.01 321	0.62 310	0.54 342	0.78 240	0.51 242	1.73 325	1.20 305	1.09 202	1.37 314	1.46 360	0.85 263	1.53 269	1.09 363	0.25 292	0.18 260	0.23 220	0.24 299	0.20 149	0.19 169

AIO-test2	0.57 150	0.28 129	0.63 112	0.61 298	0.58 362	0.79 244	0.51 242	1.18 192	1.40 398	0.63 90	1.15 231	0.51 61	0.43 65	1.09 169	0.35 70	0.21 200	0.17 240	0.26 297	0.30 380	0.20 149	0.19 169

tt45	0.45 62	0.23 34	0.46 26	0.45 56	0.33 174	0.79 244	0.32 58	0.78 38	0.41 8	0.51 67	0.44 17	0.49 51	0.37 40	2.14 347	0.34 61	0.16 26	0.13 73	0.19 90	0.16 105	0.17 49	0.18 130

testlalala_base	0.77 272	0.40 331	0.70 161	0.65 342	0.50 315	0.79 244	0.28 34	1.50 270	0.51 36	0.73 107	0.90 125	0.69 130	0.54 129	0.66 51	0.40 113	2.82 489	0.14 123	0.17 38	0.12 20	2.68 484	0.19 169

IPLG	0.69 223	0.27 109	0.97 308	0.51 151	0.43 275	0.79 244	0.33 64	1.21 203	1.06 220	1.30 322	1.10 202	0.52 68	0.55 136	3.16 400	0.63 255	0.16 26	0.14 123	0.19 90	0.16 105	0.18 78	0.17 106

CRE-IMP	0.55 134	0.30 182	0.74 206	0.52 172	0.29 90	0.79 244	0.25 15	1.04 135	0.72 99	1.09 202	0.95 136	0.81 162	0.57 149	1.10 171	0.50 199	0.21 200	0.14 123	0.23 220	0.19 162	0.28 304	0.22 234

pcwnet_v2	0.97 346	0.37 313	4.33 479	0.62 310	0.54 342	0.79 244	0.45 200	2.02 412	1.58 424	1.42 373	1.64 388	1.09 280	0.79 235	1.24 203	0.67 266	0.32 367	0.25 360	0.29 335	0.27 340	0.37 366	0.35 367

MSMDNet	0.66 208	0.32 231	0.87 267	0.49 111	0.37 218	0.79 244	0.40 137	1.43 256	1.31 357	1.15 240	1.31 290	1.24 312	0.63 181	0.88 111	0.57 233	0.21 200	0.16 212	0.26 297	0.19 162	0.39 379	0.24 266

DeepPruner_ROB	0.74 256	0.48 366	0.87 267	0.57 255	0.44 282	0.79 244	0.54 267	1.73 325	0.96 173	1.38 359	1.27 275	1.24 312	0.73 208	1.43 250	0.73 285	0.34 383	0.28 380	0.27 312	0.26 330	0.31 335	0.31 347

AIO-test1	0.56 143	0.25 70	0.55 71	0.64 328	0.78 424	0.80 252	0.36 95	1.18 192	1.34 368	0.57 74	0.88 121	0.61 102	0.50 112	1.12 177	0.35 70	0.17 62	0.17 240	0.22 182	0.24 299	0.18 78	0.23 252

DEFOM-Stereo	0.33 6	0.20 4	0.40 12	0.42 20	0.28 74	0.80 252	0.23 9	0.48 4	0.37 6	0.37 19	0.31 7	0.23 2	0.24 3	1.20 193	0.27 6	0.16 26	0.12 22	0.14 1	0.11 8	0.14 4	0.14 28

ITSA-stereo	0.82 296	0.36 306	0.82 244	0.54 203	0.31 136	0.80 252	0.47 214	2.17 440	1.67 430	1.13 231	1.13 220	0.94 221	0.86 271	2.46 374	1.00 352	0.26 312	0.23 344	0.28 325	0.27 340	0.28 304	0.36 372

test_sample2	0.62 174	0.29 162	0.74 206	0.50 122	0.28 74	0.80 252	0.61 319	1.61 301	1.00 197	0.88 143	0.99 151	0.94 221	0.83 256	1.16 184	0.51 204	0.23 251	0.18 260	0.22 182	0.21 237	0.23 236	0.22 234

SACVNet	0.85 311	0.46 357	0.85 250	0.81 419	0.56 350	0.80 252	0.79 368	1.68 316	1.12 249	1.34 347	1.33 298	1.25 316	0.94 308	2.39 370	0.76 294	0.34 383	0.26 365	0.31 352	0.29 371	0.35 355	0.44 403

ICVP	0.63 181	0.33 252	0.57 84	0.61 298	0.40 255	0.80 252	0.58 306	1.61 301	0.89 147	0.90 146	1.24 261	0.88 195	0.73 208	0.72 65	0.88 330	0.29 350	0.21 315	0.22 182	0.21 237	0.24 251	0.27 309
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ACVNet	0.63 181	0.31 215	0.54 63	0.54 203	0.36 204	0.80 252	0.46 207	1.37 238	1.07 225	0.93 154	1.30 284	1.08 270	0.85 263	0.80 86	0.94 340	0.21 200	0.19 276	0.21 155	0.18 141	0.22 211	0.18 130

GANet-RSSM	0.72 236	0.28 129	0.63 112	0.64 328	0.58 362	0.80 252	0.58 306	1.89 376	1.08 231	1.04 191	1.25 265	1.15 295	1.04 348	1.49 262	0.62 251	0.25 292	0.19 276	0.22 182	0.22 265	0.22 211	0.21 217

FACV-RUCA	0.63 181	0.34 275	0.82 244	0.62 310	0.65 387	0.81 260	0.41 150	1.44 257	1.07 225	0.86 141	1.14 224	0.61 102	0.69 197	0.80 86	0.53 218	0.28 340	0.19 276	0.47 431	0.21 237	0.35 355	0.25 278

RAFT-RH_RVC	1.03 365	0.24 47	0.67 138	0.49 111	0.28 74	0.81 260	0.33 64	0.83 59	1.08 231	2.05 445	4.65 481	1.04 262	0.57 149	5.98 459	0.50 199	0.18 100	0.13 73	0.26 297	0.20 194	0.16 28	0.17 106

test_sample6	0.71 234	0.34 275	0.87 267	0.52 172	0.30 111	0.82 262	0.58 306	1.79 350	1.15 275	1.14 234	1.33 298	0.91 207	0.79 235	1.31 217	0.74 286	0.27 327	0.21 315	0.27 312	0.29 371	0.28 304	0.27 309

SMFormer	0.75 264	0.30 182	0.86 256	0.46 61	0.26 34	0.82 262	0.43 171	2.05 414	1.39 393	1.23 287	1.47 345	0.98 239	0.95 313	1.71 300	0.82 318	0.24 266	0.20 294	0.22 182	0.21 237	0.23 236	0.24 266

tta	0.75 264	0.30 182	0.86 256	0.46 61	0.26 34	0.82 262	0.43 171	2.05 414	1.39 393	1.23 287	1.47 345	0.98 239	0.95 313	1.71 300	0.82 318	0.24 266	0.20 294	0.22 182	0.21 237	0.18 78	0.18 130

qqq1	0.72 236	0.30 182	0.86 256	0.46 61	0.26 34	0.82 262	0.43 171	2.05 414	1.39 393	1.23 287	1.47 345	0.98 239	0.95 313	1.71 300	0.44 147	0.24 266	0.20 294	0.18 69	0.15 67	0.18 78	0.18 130

fff1	0.72 236	0.30 182	0.86 256	0.46 61	0.26 34	0.82 262	0.43 171	2.05 414	1.39 393	1.23 287	1.47 345	0.98 239	0.95 313	1.71 300	0.44 147	0.24 266	0.20 294	0.18 69	0.15 67	0.18 78	0.18 130

11t1	0.52 94	0.28 129	0.68 142	0.51 151	0.28 74	0.83 267	0.39 130	1.22 211	0.63 63	0.84 134	0.74 91	0.68 125	0.68 194	0.91 118	0.57 233	0.21 200	0.18 260	0.19 90	0.16 105	0.20 149	0.21 217

GASNet	0.99 352	0.97 450	1.72 432	0.98 455	0.68 400	0.83 267	0.67 337	1.60 298	1.28 343	1.31 332	1.22 255	1.22 305	1.21 386	2.41 371	1.41 407	0.43 421	0.26 365	0.36 398	0.34 405	0.55 430	0.31 347

riskmin	0.56 143	0.27 109	0.60 101	0.43 23	0.31 136	0.83 267	0.42 154	1.14 181	1.04 212	0.73 107	0.75 93	1.11 286	1.01 339	0.81 91	0.51 204	0.20 169	0.14 123	0.24 240	0.15 67	0.24 251	0.25 278

FENet	0.60 164	0.28 129	0.63 112	0.54 203	0.33 174	0.83 267	0.38 115	1.27 221	1.07 225	1.00 177	0.86 116	0.99 245	0.85 263	0.96 131	0.68 270	0.22 226	0.15 177	0.23 220	0.20 194	0.22 211	0.23 252

CFNet-ft	0.72 236	0.32 231	0.54 63	0.66 349	0.54 342	0.83 267	0.55 283	1.37 238	1.15 275	0.93 154	1.28 280	1.57 377	0.97 323	1.35 227	0.81 313	0.26 312	0.20 294	0.33 372	0.25 313	0.30 326	0.23 252

CFNet_RVC	0.72 236	0.32 231	0.54 63	0.66 349	0.54 342	0.83 267	0.55 283	1.37 238	1.15 275	0.93 154	1.28 280	1.57 377	0.97 323	1.35 227	0.81 313	0.26 312	0.20 294	0.33 372	0.25 313	0.30 326	0.23 252

iResNet_ROB	0.77 272	0.30 182	0.99 312	0.57 255	0.36 204	0.83 267	0.36 95	2.33 456	1.58 424	1.27 307	1.30 284	1.25 316	0.84 260	1.65 287	0.79 308	0.20 169	0.14 123	0.17 38	0.12 20	0.18 78	0.27 309

test_sample5	0.69 223	0.34 275	0.87 267	0.52 172	0.30 111	0.84 274	0.54 267	1.83 362	1.14 264	1.11 216	1.25 265	0.88 195	0.78 231	1.23 198	0.65 260	0.26 312	0.20 294	0.27 312	0.27 340	0.27 287	0.26 300

DualNet	0.70 227	0.34 275	0.87 267	0.52 172	0.30 111	0.84 274	0.54 267	1.83 362	1.14 264	1.14 234	1.33 298	0.88 195	0.78 231	1.23 198	0.65 260	0.26 312	0.20 294	0.27 312	0.27 340	0.27 287	0.26 300

GMStereo_Zeroshot	0.67 217	0.61 413	1.01 321	0.64 328	0.37 218	0.84 274	0.35 81	1.05 143	1.12 249	1.12 217	1.06 185	1.27 324	0.54 129	1.19 192	0.59 238	0.32 367	0.17 240	0.31 352	0.18 141	0.52 424	0.22 234

UCFNet_RVC	0.69 223	0.35 296	0.49 35	0.64 328	0.39 245	0.85 277	0.58 306	1.75 331	1.14 264	0.97 166	1.19 248	1.17 297	0.93 303	0.99 142	0.62 251	0.28 340	0.20 294	0.34 382	0.31 385	0.32 343	0.27 309

mmm	0.63 181	0.35 296	0.72 179	0.51 151	0.30 111	0.86 278	0.54 267	1.59 294	0.86 136	1.07 195	1.38 318	0.79 156	0.75 212	0.91 118	0.58 236	0.22 226	0.18 260	0.29 335	0.25 313	0.25 262	0.23 252

ToySt	0.66 208	0.33 252	1.23 376	0.51 151	0.33 174	0.86 278	0.68 340	1.10 169	0.97 180	0.84 134	1.08 193	1.25 316	0.94 308	1.01 147	0.74 286	0.19 138	0.19 276	0.24 240	0.24 299	0.27 287	0.23 252

DMCA	0.67 217	0.34 275	0.90 284	0.51 151	0.44 282	0.86 278	0.47 214	1.42 250	1.02 203	1.17 259	1.12 215	1.23 310	0.75 212	0.78 80	0.95 343	0.25 292	0.19 276	0.27 312	0.19 162	0.24 251	0.27 309

DispNO	0.93 334	0.30 182	1.34 397	0.55 226	0.55 348	0.89 281	0.49 234	1.48 264	1.21 311	1.17 259	1.27 275	1.19 301	0.90 288	5.23 437	0.74 286	0.22 226	0.17 240	0.24 240	0.21 237	0.19 115	0.20 200

STTStereo	0.78 280	0.50 376	1.22 375	0.64 328	0.54 342	0.89 281	0.54 267	1.44 257	1.11 245	1.38 359	1.09 198	1.27 324	0.85 263	1.43 250	0.83 320	0.29 350	0.27 373	0.33 372	0.39 420	0.32 343	0.30 337

TDLM	1.06 369	0.44 348	0.79 235	0.63 319	0.50 315	0.89 281	1.44 452	1.48 264	1.26 332	1.12 217	1.40 324	1.08 270	0.98 327	6.65 467	0.78 302	0.33 375	0.21 315	0.33 372	0.26 330	0.37 366	0.24 266

tg	0.52 94	0.24 47	0.61 104	0.49 111	0.30 111	0.90 284	0.29 39	1.07 158	0.83 130	0.83 131	1.02 169	0.62 107	0.43 65	1.35 227	0.41 124	0.17 62	0.12 22	0.22 182	0.20 194	0.17 49	0.15 56

ARAFT	0.77 272	0.36 306	1.49 418	0.51 151	0.31 136	0.90 284	0.82 378	1.90 379	1.06 220	1.62 412	1.24 261	1.02 255	0.64 185	1.84 317	0.50 199	0.18 100	0.14 123	0.28 325	0.27 340	0.17 49	0.16 81

CVANet_RVC	1.07 371	0.43 345	0.76 219	0.60 285	0.50 315	0.90 284	0.97 409	1.52 278	1.26 332	1.33 344	1.38 318	1.24 312	1.18 377	6.75 473	0.75 291	0.34 383	0.23 344	0.34 382	0.29 371	0.42 390	0.27 309

test_sample7	0.74 256	0.37 313	0.76 219	0.52 172	0.35 195	0.91 287	0.67 337	1.78 345	1.21 311	1.22 281	1.18 241	1.08 270	0.92 294	1.23 198	0.67 266	0.31 361	0.28 380	0.32 364	0.31 385	0.33 350	0.29 325

MyStereo8	0.65 201	0.29 162	1.00 317	0.58 261	0.49 308	0.91 287	0.35 81	1.18 192	1.31 357	1.16 250	1.27 275	0.90 204	0.64 185	0.72 65	0.95 343	0.18 100	0.14 123	0.20 123	0.18 141	0.22 211	0.26 300

Selective-RAFT	0.52 94	0.28 129	0.79 235	0.55 226	0.27 51	0.91 287	0.33 64	0.80 49	0.88 144	0.58 76	0.63 63	0.81 162	0.77 224	1.29 215	0.48 186	0.19 138	0.14 123	0.17 38	0.15 67	0.19 115	0.17 106

FADNet-RVC	0.88 321	0.67 422	1.93 445	0.60 285	0.48 305	0.91 287	0.60 318	1.71 323	1.18 294	0.90 146	0.96 139	1.36 343	0.92 294	2.25 359	1.17 375	0.30 354	0.29 391	0.32 364	0.32 393	0.41 386	0.35 367

DeepPrunerF	1.60 431	0.73 431	5.81 487	0.88 442	1.19 469	0.91 287	0.95 407	2.19 443	5.24 495	1.17 259	1.30 284	1.19 301	1.30 400	4.90 432	1.66 427	0.42 416	0.34 413	0.52 439	0.47 439	0.41 386	0.40 386

PS-NSSS	0.99 352	0.58 401	0.93 293	0.58 261	0.57 353	0.91 287	0.80 374	1.81 356	1.14 264	1.14 234	1.67 394	1.00 246	0.83 256	4.62 427	0.78 302	0.37 398	0.31 401	0.52 439	0.32 393	0.45 404	0.38 382

MLCV	0.72 236	0.34 275	1.10 356	0.51 151	0.23 13	0.91 287	0.39 130	1.33 227	1.23 320	1.46 379	1.55 365	1.01 253	0.64 185	1.95 331	0.80 312	0.18 100	0.12 22	0.18 69	0.14 54	0.19 115	0.17 106

test_sample4	0.69 223	0.33 252	0.91 287	0.51 151	0.30 111	0.92 294	0.52 253	1.87 371	1.15 275	1.14 234	1.18 241	0.87 191	0.75 212	1.18 190	0.68 270	0.25 292	0.20 294	0.26 297	0.26 330	0.26 273	0.25 278

test_5	0.65 201	0.30 182	0.75 209	0.67 361	0.50 315	0.92 294	0.52 253	1.39 244	1.12 249	0.76 109	1.11 208	1.00 246	0.90 288	1.53 269	0.45 160	0.18 100	0.13 73	0.23 220	0.22 265	0.21 188	0.19 169

AdaStereo	0.70 227	0.43 345	0.75 209	0.73 398	0.37 218	0.92 294	0.53 261	1.85 366	1.18 294	1.12 217	1.23 259	1.07 269	0.65 191	0.96 131	0.63 255	0.31 361	0.15 177	0.32 364	0.21 237	0.29 315	0.22 234
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iResNet	0.75 264	0.40 331	1.36 398	0.67 361	0.29 90	0.92 294	0.59 314	1.52 278	1.25 327	1.28 309	1.48 350	0.94 221	0.76 220	1.62 284	0.78 302	0.18 100	0.14 123	0.18 69	0.15 67	0.22 211	0.23 252

Anonymous3	0.61 170	0.44 348	1.11 358	0.59 274	0.49 308	0.93 298	0.65 329	0.93 90	0.81 124	0.72 106	0.88 121	0.65 116	0.69 197	1.06 160	0.53 218	0.35 390	0.30 395	0.26 297	0.26 330	0.31 335	0.27 309

ttt	0.94 336	0.34 275	0.59 96	0.61 298	0.37 218	0.94 299	0.50 241	2.17 440	1.34 368	1.23 287	1.61 381	0.91 207	0.76 220	1.85 320	3.97 470	0.30 354	0.26 365	0.26 297	0.24 299	0.29 315	0.29 325

GES	0.66 208	0.34 275	0.90 284	0.59 274	0.38 235	0.94 299	0.57 302	2.11 424	0.86 136	1.02 184	1.11 208	0.66 120	0.79 235	0.99 142	0.61 248	0.27 327	0.19 276	0.20 123	0.20 194	0.21 188	0.30 337

test_xeample	1.45 421	0.28 129	0.65 126	0.51 151	0.28 74	0.94 299	0.59 314	2.14 429	1.29 347	1.24 295	1.51 357	0.88 195	0.86 271	1.46 256	15.10 504	0.22 226	0.20 294	0.22 182	0.20 194	0.22 211	0.22 234

iResNetv2_ROB	0.80 287	0.37 313	1.71 431	0.56 239	0.37 218	0.94 299	0.64 327	1.73 325	1.34 368	1.23 287	1.42 327	1.26 320	0.92 294	1.85 320	0.56 230	0.23 251	0.15 177	0.19 90	0.14 54	0.24 251	0.19 169

THIR-Stereo	1.02 363	0.27 109	0.69 155	0.49 111	0.28 74	0.95 303	1.34 447	1.03 129	0.97 180	1.34 347	1.90 421	1.17 297	1.58 425	6.44 464	0.78 302	0.19 138	0.14 123	0.21 155	0.22 265	0.19 115	0.20 200

GEStereo_RVC	0.90 326	0.37 313	0.99 312	0.64 328	0.50 315	0.95 303	0.79 368	2.42 465	1.17 287	1.16 250	1.11 208	1.26 320	0.92 294	3.24 401	0.90 336	0.29 350	0.19 276	0.23 220	0.20 194	0.27 287	0.29 325

DIP-Stereo	0.62 174	0.30 182	0.83 248	0.48 96	0.36 204	0.95 303	0.33 64	2.37 461	0.67 84	1.25 300	1.00 155	0.68 125	0.51 115	0.91 118	0.61 248	0.18 100	0.15 177	0.21 155	0.17 125	0.19 115	0.19 169
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
NLCA_NET_v2_RVC	0.79 284	0.43 345	1.05 337	0.64 328	0.58 362	0.95 303	0.53 261	1.53 284	1.18 294	1.37 354	1.15 231	1.43 351	0.88 281	1.61 283	0.84 323	0.25 292	0.22 333	0.27 312	0.27 340	0.29 315	0.29 325
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
Consistency-Raft	1.25 401	0.99 453	1.93 445	1.02 459	1.21 470	0.96 307	1.01 417	1.75 331	1.92 449	1.36 352	2.12 435	1.44 356	1.01 339	1.14 180	1.40 403	0.72 462	0.82 480	0.89 467	0.98 483	1.31 474	0.95 465

s12784h	0.52 94	0.20 4	0.38 7	0.41 15	0.19 1	0.96 307	0.34 76	1.17 187	1.25 327	0.81 125	0.90 125	0.63 110	0.50 112	1.45 254	0.42 135	0.14 5	0.12 22	0.17 38	0.11 8	0.18 78	0.11 1

hitnet-ft	0.79 284	0.35 296	0.57 84	0.58 261	0.42 267	0.96 307	0.46 207	1.47 263	1.33 365	1.19 268	1.22 255	1.81 410	0.98 327	1.66 291	0.94 340	0.33 375	0.28 380	0.34 382	0.27 340	0.35 355	0.31 347

FADNet	0.92 331	0.61 413	1.81 438	0.62 310	0.55 348	0.96 307	0.57 302	1.78 345	1.33 365	0.93 154	1.01 161	1.36 343	1.01 339	2.71 384	0.75 291	0.33 375	0.34 413	0.31 352	0.34 405	0.59 437	0.40 386

castereo++	0.38 19	0.23 34	0.41 15	0.43 23	0.31 136	0.97 311	0.22 4	0.86 65	0.58 50	0.32 6	0.44 17	0.51 61	0.39 48	0.93 125	0.24 2	0.17 62	0.11 5	0.17 38	0.12 20	0.14 4	0.14 28

test_sample3	0.68 221	0.32 231	0.88 274	0.52 172	0.30 111	0.97 311	0.52 253	1.86 369	1.15 275	1.08 196	1.11 208	0.88 195	0.71 206	1.17 188	0.68 270	0.25 292	0.20 294	0.25 278	0.25 313	0.25 262	0.25 278

RAFT-Test	0.54 119	0.25 70	0.64 119	0.47 72	0.30 111	0.97 311	0.27 30	1.24 217	0.81 124	0.96 163	1.12 215	1.28 327	0.48 100	0.71 62	0.36 79	0.17 62	0.13 73	0.17 38	0.14 54	0.16 28	0.16 81

DRaft	0.80 287	0.24 47	0.70 161	0.45 56	0.30 111	0.97 311	0.53 261	1.05 143	0.97 180	1.78 424	2.02 430	0.80 158	1.74 439	2.73 385	0.72 282	0.17 62	0.14 123	0.20 123	0.20 194	0.18 78	0.21 217

RASNet	1.12 384	0.30 182	0.91 287	0.66 349	0.77 422	0.97 311	0.57 302	1.37 238	1.35 377	1.02 184	1.34 305	2.11 437	1.43 409	7.09 476	1.39 402	0.19 138	0.17 240	0.17 38	0.19 162	0.18 78	0.16 81

EDNetEfficient	2.37 468	1.10 459	8.08 493	0.74 401	0.71 405	0.98 316	1.56 458	1.46 261	4.06 488	4.90 495	2.82 458	2.25 440	3.48 485	2.95 391	9.97 494	0.26 312	0.24 353	0.26 297	0.30 380	0.68 450	0.61 442

aanetorigin	1.23 398	0.79 439	2.78 471	0.70 380	0.79 427	0.99 317	1.06 423	1.06 156	1.37 384	3.52 481	2.61 454	1.72 402	1.63 430	1.99 334	1.78 429	0.25 292	0.24 353	0.26 297	0.25 313	0.38 375	0.45 405

CFNet	0.96 340	0.36 306	1.01 321	0.62 310	0.42 267	0.99 317	0.47 214	1.90 379	1.32 361	0.99 173	1.39 322	1.10 282	0.86 271	5.58 449	0.79 308	0.23 251	0.17 240	0.28 325	0.27 340	0.26 273	0.21 217

Any-RAFT	0.53 104	0.24 47	0.47 28	0.47 72	0.27 51	1.00 319	0.25 15	1.58 293	1.05 216	0.85 139	0.99 151	1.06 264	0.47 89	0.70 58	0.32 34	0.18 100	0.13 73	0.16 22	0.13 32	0.16 28	0.16 81

1111x	1.70 441	0.29 162	0.86 256	0.51 151	0.27 51	1.01 320	0.68 340	2.22 447	1.28 343	1.13 231	1.40 324	1.21 303	1.10 363	5.53 446	15.20 505	0.22 226	0.21 315	0.22 182	0.22 265	0.24 251	0.22 234

Anonymous_2	1.30 405	0.55 391	0.82 244	0.52 172	0.58 362	1.01 320	0.64 327	1.25 219	0.97 180	0.96 163	0.78 99	1.33 336	1.29 396	1.03 151	0.74 286	0.62 456	0.64 474	1.06 474	9.63 512	1.16 469	0.49 418

DualNet (step1)	0.83 302	0.49 369	1.13 362	0.56 239	0.39 245	1.02 322	0.73 352	1.78 345	1.21 311	1.22 281	1.18 241	1.08 270	0.92 294	1.23 198	0.67 266	0.57 449	0.28 380	0.62 457	0.67 464	0.45 404	0.42 394

test_sample9	1.86 449	0.49 369	1.13 362	0.56 239	0.39 245	1.02 322	0.73 352	1.78 345	1.21 311	1.22 281	1.18 241	1.08 270	0.92 294	2.27 361	7.92 489	0.57 449	12.61 516	0.62 457	0.67 464	0.45 404	0.42 394

test_sample8	2.19 462	0.49 369	1.13 362	0.56 239	0.39 245	1.02 322	0.73 352	1.82 357	1.15 275	2.26 451	1.30 284	4.94 484	2.52 474	2.27 361	7.92 489	0.57 449	12.61 516	0.62 457	0.67 464	0.45 404	0.42 394

BEATNet_4x	0.73 253	0.49 369	1.17 370	0.53 188	0.26 34	1.03 325	0.55 283	1.82 357	1.06 220	1.21 276	1.22 255	0.96 235	0.91 291	1.01 147	1.06 357	0.21 200	0.14 123	0.24 240	0.19 162	0.37 366	0.21 217

PASM	1.34 411	0.92 448	2.62 467	0.86 436	0.87 443	1.03 325	1.08 425	1.50 270	1.51 417	1.82 432	1.41 326	1.68 398	1.26 393	4.87 431	1.34 394	0.61 455	0.65 476	0.68 461	0.78 470	0.69 451	0.68 452

DEmStereo	0.97 346	0.23 34	0.79 235	0.47 72	0.32 154	1.04 327	0.56 291	0.93 90	0.89 147	1.39 364	2.14 437	1.02 255	2.07 461	5.64 450	0.77 300	0.17 62	0.15 177	0.20 123	0.20 194	0.18 78	0.20 200

psm_up	0.77 272	0.34 275	0.70 161	0.66 349	0.58 362	1.05 328	0.92 399	1.52 278	1.12 249	1.26 304	1.16 236	1.31 334	1.23 388	1.20 193	0.81 313	0.25 292	0.29 391	0.31 352	0.27 340	0.27 287	0.25 278

ac_64	0.82 296	0.29 162	0.81 241	0.71 387	0.60 373	1.05 328	0.54 267	1.99 403	0.92 161	1.18 264	1.06 185	1.99 428	1.08 359	1.94 330	0.97 348	0.27 327	0.22 333	0.24 240	0.23 287	0.22 211	0.19 169

HITNet	0.65 201	0.40 331	0.77 225	0.48 96	0.24 19	1.05 328	0.49 234	1.76 337	1.02 203	1.18 264	1.18 241	0.89 203	0.80 241	0.85 104	0.79 308	0.17 62	0.12 22	0.21 155	0.17 125	0.29 315	0.15 56
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
222	1.61 433	0.29 162	0.67 138	0.56 239	0.29 90	1.06 331	0.42 154	2.17 440	1.31 357	1.31 332	1.52 358	0.92 216	0.94 308	1.76 310	17.65 508	0.24 266	0.20 294	0.21 155	0.19 162	0.22 211	0.23 252

NOSS_ROB	1.26 402	0.46 357	0.62 109	0.56 239	0.38 235	1.06 331	0.78 365	1.73 325	1.40 398	1.01 180	1.43 331	1.10 282	0.75 212	10.62 506	0.65 260	0.45 427	0.43 445	0.48 433	0.45 434	0.44 401	0.41 390

FADNet-RVC-Resample	0.84 307	0.47 362	2.10 449	0.61 298	0.45 289	1.07 333	0.61 319	1.59 294	1.20 305	1.08 196	0.98 149	1.03 259	0.98 327	2.17 349	0.72 282	0.23 251	0.22 333	0.30 346	0.32 393	0.35 355	0.34 362

anonymity	1.12 384	0.97 450	1.21 373	1.07 463	1.12 462	1.08 334	0.89 392	1.95 394	1.16 284	1.29 314	1.26 272	1.22 305	1.09 362	1.15 181	1.01 353	1.02 470	1.00 493	0.97 469	0.97 481	0.98 462	0.99 467

FINET	0.97 346	0.54 388	1.60 424	0.63 319	0.79 427	1.08 334	1.07 424	1.56 291	2.20 460	1.15 240	1.49 352	0.94 221	0.88 281	2.32 364	1.05 355	0.42 416	0.35 424	0.32 364	0.28 360	0.43 395	0.38 382

FAT-Stereo	1.07 371	0.41 338	1.32 392	0.72 390	0.58 362	1.08 334	0.89 392	1.96 395	1.65 428	1.75 421	1.98 426	2.03 433	1.48 417	2.02 336	1.18 378	0.42 416	0.35 424	0.34 382	0.29 371	0.35 355	0.53 426

RP	1.09 377	0.50 376	1.12 360	0.90 446	1.04 455	1.11 337	0.84 380	1.80 353	1.62 426	1.55 400	2.00 427	1.90 417	1.78 442	1.84 317	1.25 382	0.52 440	0.36 429	0.48 433	0.36 413	0.45 404	0.43 401

DLCB_ROB	0.86 316	0.40 331	0.78 233	0.68 372	0.54 342	1.11 337	0.84 380	1.49 266	1.23 320	1.64 414	1.65 390	1.70 400	0.91 291	1.70 299	1.05 355	0.25 292	0.24 353	0.26 297	0.27 340	0.27 287	0.24 266

XPNet_ROB	0.96 340	0.49 369	1.09 353	0.72 390	0.57 353	1.11 337	1.14 431	1.66 314	1.23 320	1.85 434	1.39 322	1.64 393	1.11 364	1.80 314	1.42 411	0.38 402	0.30 395	0.33 372	0.29 371	0.37 366	0.34 362

ADLNet2	0.88 321	0.34 275	1.17 370	0.77 409	0.64 385	1.12 340	0.76 360	1.74 329	1.24 324	1.21 276	1.65 390	1.71 401	1.05 352	1.67 292	1.17 375	0.24 266	0.21 315	0.21 155	0.22 265	0.26 273	0.29 325

psmorigin	1.52 426	0.69 426	10.52 499	0.68 372	0.59 370	1.13 341	0.70 346	1.57 292	1.19 300	1.99 442	1.79 407	2.26 441	1.47 416	2.09 343	1.36 398	0.39 405	0.40 440	0.34 382	0.33 400	0.43 395	0.56 431

CoDeX	0.73 253	0.29 162	0.93 293	0.54 203	0.36 204	1.14 342	0.61 319	2.34 458	1.17 287	1.16 250	1.25 265	0.91 207	0.87 276	1.33 223	0.64 259	0.20 169	0.16 212	0.21 155	0.18 141	0.20 149	0.18 130

AASNet	0.76 270	0.35 296	0.91 287	0.79 413	0.81 434	1.14 342	0.56 291	2.02 412	1.08 231	1.22 281	1.24 261	0.93 218	0.76 220	0.77 78	1.16 373	0.27 327	0.23 344	0.24 240	0.20 194	0.28 304	0.24 266

PSMNet-ADL	0.72 236	0.35 296	0.62 109	0.69 375	0.46 299	1.14 342	0.44 184	1.37 238	1.01 200	0.83 131	1.17 239	1.33 336	0.96 320	1.43 250	0.95 343	0.33 375	0.22 333	0.21 155	0.23 287	0.27 287	0.29 325

edge stereo	1.11 382	0.50 376	1.30 388	0.71 387	0.65 387	1.14 342	0.75 357	1.93 390	1.37 384	1.71 418	1.83 411	2.54 453	1.44 411	2.43 372	1.23 380	0.42 416	0.41 442	0.54 445	0.35 409	0.42 390	0.46 408

ETE_ROB	0.96 340	0.64 419	1.16 368	0.69 375	0.48 305	1.14 342	1.13 430	1.77 341	1.19 300	1.91 439	1.45 338	1.73 403	1.05 352	1.60 281	1.14 371	0.32 367	0.26 365	0.38 404	0.34 405	0.39 379	0.41 390

HSM-Net_RVC	0.87 320	0.29 162	0.53 58	0.53 188	0.30 111	1.15 347	0.55 283	3.57 484	1.28 343	1.53 393	1.74 400	1.68 398	0.93 303	1.49 262	0.77 300	0.22 226	0.17 240	0.19 90	0.18 141	0.20 149	0.19 169
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
PWC_ROB	1.24 399	0.76 437	2.46 462	0.72 390	0.78 424	1.15 347	0.49 234	1.75 331	1.92 449	2.31 453	3.07 461	1.59 381	1.40 406	2.46 374	2.10 444	0.33 375	0.22 333	0.35 390	0.24 299	0.38 375	0.41 390

tt1	0.62 174	0.32 231	0.51 47	0.54 203	0.26 34	1.16 349	0.48 224	0.95 102	2.47 466	0.57 74	0.77 97	0.49 51	0.81 244	1.55 273	0.32 34	0.20 169	0.12 22	0.24 240	0.15 67	0.19 115	0.20 200

xxxx	1.51 425	0.28 129	0.68 142	0.54 203	0.28 74	1.16 349	0.44 184	2.19 443	1.29 347	1.09 202	1.36 312	1.22 305	0.85 263	1.79 313	15.70 507	0.24 266	0.21 315	0.21 155	0.20 194	0.22 211	0.23 252

HGLStereo	0.85 311	0.38 320	0.94 297	0.80 416	1.03 454	1.17 351	0.58 306	1.52 278	1.20 305	1.19 268	1.62 384	1.13 292	1.20 383	1.80 314	1.06 357	0.24 266	0.24 353	0.24 240	0.21 237	0.23 236	0.27 309

ACVNet-DCA	0.56 143	0.31 215	0.50 40	0.54 203	0.26 34	1.18 352	0.51 242	1.42 250	0.78 117	0.58 76	0.79 104	0.48 44	0.88 281	1.46 256	0.32 34	0.20 169	0.12 22	0.25 278	0.15 67	0.22 211	0.21 217

xx1	0.67 217	0.31 215	0.50 40	0.54 203	0.26 34	1.18 352	0.51 242	0.93 90	3.05 478	0.58 76	0.79 104	0.95 229	0.77 224	1.46 256	0.32 34	0.20 169	0.12 22	0.24 240	0.23 287	0.22 211	0.21 217

1test111	0.54 119	0.31 215	0.50 40	0.54 203	0.26 34	1.18 352	0.51 242	1.42 250	0.78 117	0.58 76	0.79 104	0.48 44	0.88 281	0.88 111	0.59 238	0.20 169	0.12 22	0.25 278	0.15 67	0.22 211	0.21 217

cc1	0.64 193	0.31 215	0.50 40	0.54 203	0.26 34	1.18 352	0.51 242	0.93 90	3.05 478	0.58 76	0.79 104	0.48 44	0.88 281	1.46 256	0.32 34	0.20 169	0.12 22	0.25 278	0.15 67	0.19 115	0.19 169

FADNet_RVC	0.83 302	0.51 379	1.83 441	0.54 203	0.42 267	1.19 356	0.46 207	1.51 276	1.09 238	0.89 144	1.24 261	0.91 207	0.87 276	2.11 345	1.11 368	0.27 327	0.22 333	0.31 352	0.28 360	0.43 395	0.38 382

PA-Net	1.01 361	0.57 398	1.29 387	0.64 328	0.74 411	1.19 356	0.84 380	1.69 318	1.43 407	1.16 250	1.19 248	1.32 335	1.19 380	3.42 407	1.25 382	0.29 350	0.45 452	0.33 372	0.49 444	0.32 343	0.47 411
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NVstereo2D	0.92 331	0.41 338	1.48 416	0.72 390	0.72 407	1.20 358	0.87 388	1.75 331	1.38 388	0.99 173	1.13 220	1.26 320	0.98 327	2.21 356	0.89 333	0.43 421	0.20 294	0.38 404	0.24 299	0.57 433	0.63 444

S-Stereo	1.15 393	0.46 357	2.17 453	0.81 419	0.80 432	1.21 359	1.19 437	1.93 390	2.02 454	1.47 380	2.11 434	1.57 377	1.17 374	2.05 340	1.41 407	0.40 408	0.40 440	0.35 390	0.31 385	0.44 401	0.70 453

RAFT + AFF	1.00 357	0.42 342	1.09 353	0.67 361	0.50 315	1.22 360	1.24 440	2.24 449	1.19 300	1.30 322	1.56 369	1.17 297	1.49 419	3.44 409	0.83 320	0.21 200	0.25 360	0.30 346	0.26 330	0.27 287	0.27 309

HSM	1.19 397	0.32 231	0.65 126	0.57 255	0.38 235	1.23 361	0.59 314	2.25 450	1.19 300	1.30 322	1.25 265	1.94 423	1.03 346	9.32 497	0.71 279	0.22 226	0.16 212	0.20 123	0.16 105	0.21 188	0.21 217

ADLNet	0.85 311	0.36 306	0.89 280	0.85 434	0.72 407	1.24 362	0.76 360	1.82 357	1.36 380	1.52 392	1.35 311	1.27 324	0.99 335	1.23 198	1.15 372	0.27 327	0.20 294	0.26 297	0.25 313	0.28 304	0.30 337

acv_ft	0.75 264	0.31 215	0.95 301	0.70 380	0.86 441	1.24 362	0.53 261	1.44 257	1.07 225	1.24 295	1.30 284	1.08 270	0.92 294	0.80 86	1.34 394	0.21 200	0.19 276	0.21 155	0.18 141	0.21 188	0.18 130

CBMV_ROB	0.90 326	0.44 348	0.63 112	0.51 151	0.37 218	1.25 364	0.49 234	1.77 341	1.27 338	1.41 367	2.00 427	1.33 336	1.08 359	2.17 349	0.76 294	0.43 421	0.42 444	0.47 431	0.44 432	0.41 386	0.36 372

UPFNet	0.80 287	0.32 231	0.90 284	0.59 274	0.74 411	1.26 365	0.80 374	1.52 278	1.10 243	1.30 322	1.12 215	1.30 331	0.84 260	1.67 292	1.09 363	0.24 266	0.24 353	0.24 240	0.23 287	0.25 262	0.18 130

BSDual-CNN	0.71 234	0.32 231	0.68 142	0.54 203	0.44 282	1.27 366	0.65 329	2.16 434	0.98 185	1.20 272	1.11 208	1.12 287	0.74 210	0.91 118	0.66 263	0.24 266	0.17 240	0.25 278	0.22 265	0.22 211	0.22 234

hknet	0.77 272	0.32 231	0.95 301	0.54 203	0.38 235	1.27 366	0.65 329	2.16 434	1.07 225	1.20 272	1.11 208	1.59 381	0.81 244	1.37 233	0.66 263	0.22 226	0.17 240	0.25 278	0.22 265	0.22 211	0.22 234

PSMNet_ROB	0.90 326	0.52 383	1.17 370	0.72 390	0.61 376	1.27 366	1.12 429	1.76 337	1.12 249	1.09 202	1.28 280	1.45 358	0.89 287	1.65 287	1.42 411	0.33 375	0.25 360	0.37 401	0.39 420	0.35 355	0.29 325

NCC-stereo	1.10 379	0.54 388	1.24 379	0.84 429	0.94 449	1.29 369	0.89 392	2.01 408	1.34 368	1.32 336	1.74 400	1.88 413	1.74 439	2.35 366	1.25 382	0.45 427	0.37 431	0.45 426	0.58 456	0.42 390	0.42 394

Abc-Net	1.10 379	0.54 388	1.24 379	0.84 429	0.94 449	1.29 369	0.89 392	2.01 408	1.34 368	1.32 336	1.74 400	1.88 413	1.74 439	2.35 366	1.25 382	0.45 427	0.37 431	0.45 426	0.58 456	0.42 390	0.42 394
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DDVS	0.78 280	0.41 338	0.94 297	0.60 285	0.43 275	1.30 371	0.43 171	1.40 246	0.91 156	1.20 272	1.15 231	1.43 351	0.64 185	2.18 352	0.89 333	0.28 340	0.22 333	0.26 297	0.23 287	0.31 335	0.33 358

GCST	1.08 374	1.47 477	0.93 293	1.73 478	1.14 465	1.30 371	0.31 51	1.33 227	1.16 284	1.29 314	0.97 148	0.98 239	0.49 108	2.08 342	0.46 174	1.19 477	0.70 477	1.30 477	0.85 475	1.02 465	0.89 463

NCCL2	1.00 357	0.56 394	1.06 341	0.75 404	0.57 353	1.31 373	1.72 464	1.77 341	1.36 380	1.50 389	1.17 239	1.91 418	1.17 374	1.54 271	1.29 389	0.35 390	0.31 401	0.45 426	0.44 432	0.40 383	0.40 386

PAM_32	0.77 272	0.28 129	1.03 332	0.52 172	0.30 111	1.32 374	0.35 81	1.97 399	0.65 81	1.02 184	1.06 185	3.05 465	1.49 419	0.96 131	0.36 79	0.19 138	0.13 73	0.20 123	0.18 141	0.19 115	0.19 169

ssnet_v2	0.88 321	0.36 306	1.02 328	0.62 310	0.38 235	1.32 374	0.97 409	2.07 420	1.34 368	1.37 354	1.18 241	1.54 373	0.92 294	1.10 171	1.65 425	0.30 354	0.27 373	0.30 346	0.28 360	0.27 287	0.26 300

LMCR-Stereo	0.82 296	0.46 357	0.88 274	0.75 404	0.43 275	1.33 376	0.56 291	2.43 466	0.98 185	1.53 393	1.49 352	0.74 139	1.00 337	1.63 285	0.89 333	0.28 340	0.17 240	0.22 182	0.17 125	0.29 315	0.20 200

StereoDRNet-Refined	0.80 287	0.41 338	0.88 274	0.62 310	0.42 267	1.33 376	0.48 224	1.52 278	1.17 287	1.45 377	1.44 336	1.44 356	0.90 288	1.26 206	1.24 381	0.20 169	0.16 212	0.27 312	0.24 299	0.25 262	0.28 321
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
IER	0.70 227	0.31 215	1.02 328	0.48 96	0.52 336	1.34 378	0.51 242	1.17 187	0.99 192	1.23 287	1.34 305	1.12 287	1.11 364	0.99 142	0.71 279	0.20 169	0.16 212	0.21 155	0.21 237	0.20 149	0.19 169

UDG	1.41 419	2.65 500	0.99 312	1.44 475	1.64 479	1.34 378	0.80 374	1.60 298	1.23 320	1.23 287	1.71 397	2.01 430	1.34 404	1.47 260	1.41 407	0.90 465	0.54 468	2.29 485	0.75 468	1.84 476	1.04 470

GANet	1.36 413	0.47 362	0.86 256	0.67 361	0.45 289	1.34 378	1.73 465	1.64 308	1.24 324	1.49 388	2.38 446	1.55 375	1.20 383	9.30 496	0.93 338	0.30 354	0.31 401	0.33 372	0.28 360	0.39 379	0.30 337

Wz-Net-SNSev	1.49 422	1.23 468	6.27 489	0.68 372	0.67 394	1.37 381	1.41 450	2.00 404	1.39 393	1.48 386	1.61 381	2.29 442	1.32 402	3.93 414	2.14 445	0.31 361	0.28 380	0.31 352	0.33 400	0.42 390	0.36 372

SFCPSM	0.70 227	0.28 129	1.02 328	0.51 151	0.38 235	1.37 381	0.66 334	2.00 404	1.03 207	1.17 259	1.21 253	0.82 167	0.78 231	1.03 151	0.53 218	0.21 200	0.17 240	0.22 182	0.24 299	0.21 188	0.19 169

DANet	1.08 374	0.61 413	1.32 392	0.85 434	0.72 407	1.37 381	0.51 242	1.54 286	1.15 275	1.78 424	1.54 363	2.01 430	1.11 364	2.90 390	2.00 440	0.33 375	0.30 395	0.40 414	0.30 380	0.44 401	0.45 405
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PAM	0.76 270	0.29 162	1.08 350	0.52 172	0.33 174	1.38 384	0.39 130	2.01 408	0.67 84	1.06 192	0.96 139	2.89 464	1.43 409	0.86 108	0.35 70	0.19 138	0.12 22	0.19 90	0.17 125	0.19 115	0.20 200

AF-Net	1.13 387	0.52 383	1.33 394	0.86 436	0.91 445	1.38 384	0.71 348	2.16 434	1.62 426	1.56 401	2.40 448	1.99 428	1.65 432	1.81 316	1.48 418	0.48 435	0.28 380	0.49 435	0.33 400	0.39 379	0.32 352

DGSMNet	1.14 389	0.76 437	2.49 463	0.81 419	0.86 441	1.39 386	1.39 449	2.13 425	1.35 377	1.26 304	1.63 387	1.48 366	0.98 327	1.75 305	1.10 366	0.45 427	0.43 445	0.55 449	0.49 444	0.75 455	0.70 453

PSMNet-RUCA	1.02 363	0.97 450	1.44 404	1.23 469	1.10 458	1.40 387	0.62 322	1.69 318	1.38 388	0.94 159	1.53 359	0.97 237	0.83 256	1.17 188	0.93 338	0.69 461	0.34 413	0.99 471	0.60 460	0.97 461	0.64 448

gwcnet-sp	0.74 256	0.33 252	1.44 404	0.57 255	0.45 289	1.40 387	0.54 267	1.50 270	1.14 264	1.30 322	1.02 169	0.94 221	0.82 248	1.39 242	0.76 294	0.21 200	0.21 315	0.22 182	0.21 237	0.22 211	0.22 234

scenet	0.74 256	0.33 252	1.44 404	0.57 255	0.45 289	1.40 387	0.54 267	1.50 270	1.14 264	1.30 322	1.02 169	0.94 221	0.82 248	1.39 242	0.76 294	0.21 200	0.21 315	0.22 182	0.21 237	0.22 211	0.22 234

ssnet	0.74 256	0.33 252	1.44 404	0.57 255	0.45 289	1.40 387	0.54 267	1.50 270	1.14 264	1.30 322	1.02 169	0.94 221	0.82 248	1.39 242	0.76 294	0.21 200	0.21 315	0.22 182	0.21 237	0.22 211	0.22 234

Syn2CoEx	1.14 389	0.69 426	1.66 427	0.80 416	0.67 394	1.40 387	0.88 390	2.06 419	1.54 421	1.25 300	1.58 375	1.42 350	1.50 421	4.09 417	1.40 403	0.36 394	0.32 408	0.34 382	0.29 371	0.29 315	0.34 362

GANetREF_RVC	1.07 371	0.86 444	1.31 389	0.82 425	0.53 339	1.41 392	1.31 446	1.76 337	1.52 418	1.27 307	1.31 290	1.46 360	1.24 390	2.03 337	0.96 347	0.56 448	0.45 452	0.67 460	0.50 446	0.88 459	0.59 438
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
anonymousa	0.72 236	0.27 109	0.75 209	0.47 72	0.63 382	1.43 393	0.45 200	1.24 217	0.89 147	1.28 309	1.75 403	1.62 385	1.13 371	0.69 54	0.59 238	0.19 138	0.16 212	0.23 220	0.25 313	0.20 149	0.18 130

SQANet	1.31 407	0.88 447	1.08 350	1.83 480	1.44 476	1.44 394	0.75 357	1.74 329	1.09 238	1.32 336	1.26 272	1.28 327	1.01 339	1.50 264	0.83 320	2.50 486	0.34 413	1.47 478	0.55 453	2.32 479	1.57 481

NVStereoNet_ROB	1.88 450	1.07 457	1.45 409	1.07 463	1.17 466	1.47 395	1.48 455	1.89 376	1.93 451	1.94 440	4.67 482	3.08 468	1.80 444	6.51 465	1.65 425	1.06 473	0.86 487	1.08 475	1.32 488	0.93 460	1.26 476
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
psmg	0.72 236	0.32 231	0.68 142	0.50 122	0.44 282	1.48 396	0.75 357	1.94 392	0.98 185	1.21 276	1.33 298	1.12 287	0.74 210	0.91 118	0.66 263	0.24 266	0.19 276	0.25 278	0.25 313	0.23 236	0.22 234

MFMNet_re	1.40 418	1.14 464	1.68 428	1.39 472	1.07 456	1.48 396	1.43 451	1.87 371	1.82 443	2.26 451	2.19 438	1.51 370	1.86 449	1.52 265	1.25 382	0.93 466	0.83 481	0.84 466	0.80 471	0.99 464	1.05 472

Nwc_Net	1.09 377	0.49 369	1.33 394	0.89 445	0.80 432	1.49 398	0.66 334	2.19 443	1.27 338	1.32 336	2.26 441	1.96 425	1.54 422	1.92 326	1.34 394	0.40 408	0.30 395	0.43 421	0.45 434	0.38 375	0.37 376

StereoDRNet	0.98 350	0.47 362	1.70 429	0.76 406	0.94 449	1.51 399	0.91 397	1.92 386	1.32 361	1.61 409	1.13 220	1.47 365	0.97 323	1.75 305	1.46 416	0.28 340	0.23 344	0.29 335	0.27 340	0.35 355	0.27 309

RGC	1.14 389	0.79 439	1.26 382	0.91 449	0.96 452	1.52 400	0.77 363	1.92 386	1.26 332	1.54 397	1.93 423	2.02 432	1.54 422	2.25 359	1.31 391	0.44 426	0.35 424	0.58 455	0.48 441	0.47 411	0.46 408

CBMV	0.95 339	0.44 348	0.66 133	0.53 188	0.35 195	1.53 401	1.63 463	1.69 318	1.42 405	2.00 444	1.60 377	1.43 351	1.17 374	1.59 280	0.99 351	0.34 383	0.34 413	0.39 409	0.33 400	0.33 350	0.32 352
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
pmcnn	2.37 468	0.42 342	2.71 469	0.63 319	0.43 275	1.54 402	1.19 437	2.01 408	1.53 420	2.64 466	7.60 495	18.07 510	1.45 413	3.44 409	2.78 454	0.18 100	0.15 177	0.15 8	0.12 20	0.20 149	0.18 130

DSFCA	0.93 334	0.34 275	1.06 341	0.52 172	0.65 387	1.55 403	0.93 403	1.49 266	1.19 300	1.56 401	1.15 231	1.50 368	0.96 320	3.07 395	1.02 354	0.30 354	0.26 365	0.25 278	0.25 313	0.28 304	0.24 266

SGM-Forest	1.24 399	0.38 320	0.60 101	0.52 172	0.37 218	1.56 404	1.30 445	1.65 309	1.36 380	2.11 448	1.79 407	1.63 390	0.93 303	7.48 484	0.95 343	0.36 394	0.37 431	0.39 409	0.34 405	0.37 366	0.32 352
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UNet	0.83 302	0.34 275	1.31 389	0.58 261	0.74 411	1.58 405	0.49 234	1.41 248	1.04 212	1.21 276	1.08 193	1.54 373	1.12 367	1.65 287	1.09 363	0.23 251	0.17 240	0.25 278	0.20 194	0.25 262	0.22 234

EDNetEfficientorigin	10.57 506	1.47 477	177.42 527	0.67 361	0.53 339	1.58 405	1.16 434	1.90 379	3.37 482	4.71 494	3.38 465	3.10 469	2.69 477	3.13 399	3.58 465	0.25 292	0.23 344	0.33 372	0.27 340	0.83 456	0.81 459

NaN_ROB	1.13 387	0.55 391	1.15 367	0.64 328	0.48 305	1.61 407	2.03 481	1.72 324	1.48 412	2.09 447	1.27 275	1.40 347	1.08 359	3.94 415	1.30 390	0.28 340	0.34 413	0.28 325	0.28 360	0.30 326	0.33 358

DRN-Test	1.00 357	0.44 348	1.13 362	0.70 380	0.81 434	1.62 408	0.79 368	2.14 429	1.44 408	1.78 424	1.33 298	1.43 351	1.05 352	2.18 352	1.53 421	0.27 327	0.21 315	0.31 352	0.30 380	0.32 343	0.28 321

CSP-Net	0.97 346	0.38 320	0.83 248	0.53 188	0.41 262	1.63 409	0.77 363	2.00 404	1.05 216	1.25 300	1.20 251	1.33 336	0.83 256	4.93 434	0.85 326	0.32 367	0.22 333	0.20 123	0.20 194	0.23 236	0.25 278

LALA_ROB	1.01 361	0.59 404	1.16 368	0.67 361	0.51 326	1.63 409	1.26 444	1.69 318	1.38 388	1.81 431	1.37 314	1.94 423	1.02 344	1.58 278	1.38 399	0.37 398	0.27 373	0.43 421	0.37 416	0.43 395	0.37 376

HBP-ISP	0.96 340	0.58 401	0.72 179	0.61 298	0.46 299	1.64 411	0.76 360	1.86 369	1.28 343	1.30 322	1.53 359	0.86 187	0.94 308	3.27 403	0.69 273	0.45 427	0.44 448	0.54 445	0.48 441	0.47 411	0.40 386

delet	0.85 311	0.32 231	0.95 301	0.65 342	0.66 390	1.64 411	0.84 380	1.75 331	1.35 377	1.32 336	1.30 284	1.30 331	0.88 281	1.68 297	1.10 366	0.21 200	0.21 315	0.24 240	0.24 299	0.21 188	0.21 217

LSM	6.33 498	1.10 459	13.19 501	1.41 474	68.17 522	1.64 411	1.90 475	1.92 386	2.46 465	2.99 476	3.11 462	1.88 413	1.80 444	2.61 381	2.06 443	0.41 412	0.58 471	0.50 436	0.57 455	0.64 444	17.66 517

WZ-Net	1.95 454	0.95 449	10.10 496	0.86 436	0.78 424	1.69 414	1.60 461	2.20 446	1.98 452	2.08 446	1.93 423	2.30 443	1.97 455	5.30 438	3.17 461	0.34 383	0.26 365	0.29 335	0.31 385	0.51 422	0.47 411

coex-ft	8.13 503	2.13 495	98.04 526	0.67 361	0.53 339	1.71 415	1.56 458	1.65 309	11.11 502	18.17 516	3.75 470	3.88 476	7.61 505	2.98 394	6.49 480	0.30 354	0.30 395	0.32 364	0.31 385	0.66 448	0.50 420

RYNet	1.17 396	0.49 369	1.24 379	0.70 380	0.97 453	1.71 415	0.92 399	1.91 383	1.46 410	1.38 359	1.14 224	1.88 413	1.30 400	4.24 419	1.87 432	0.26 312	0.21 315	0.35 390	0.27 340	0.55 430	0.54 427

ccnet	1.12 384	0.67 422	1.01 321	0.78 411	0.73 410	1.72 417	0.99 413	1.84 365	1.26 332	1.47 380	1.85 415	1.75 408	1.29 396	1.75 305	1.88 434	0.57 449	0.53 465	0.57 454	0.55 453	0.59 437	0.54 427

PWCDC_ROB	1.29 403	0.75 436	1.33 394	1.05 460	0.88 444	1.73 418	0.52 253	1.89 376	3.28 480	1.29 314	4.88 484	1.22 305	1.46 414	1.77 312	1.45 415	0.60 454	0.26 365	0.29 335	0.25 313	0.52 424	0.37 376

CBFPSM	0.92 331	0.33 252	1.86 442	0.49 111	0.38 235	1.75 419	0.84 380	1.39 244	1.12 249	1.09 202	0.99 151	2.37 447	1.66 436	1.32 221	1.42 411	0.19 138	0.18 260	0.20 123	0.20 194	0.21 188	0.33 358

Wz-Net-LNSev	1.03 365	0.67 422	2.71 469	0.64 328	0.84 438	1.75 419	1.00 415	1.80 353	1.32 361	1.28 309	1.25 265	1.65 395	1.22 387	1.39 242	1.40 403	0.28 340	0.26 365	0.24 240	0.23 287	0.33 350	0.32 352

GwcNet	1.08 374	0.51 379	2.33 458	0.79 413	1.18 468	1.76 421	0.70 346	1.68 316	1.47 411	1.41 367	1.64 388	1.74 405	1.04 348	2.20 355	1.41 407	0.30 354	0.29 391	0.29 335	0.27 340	0.30 326	0.35 367

CC-Net-ROB	1.49 422	1.26 469	1.27 385	0.88 442	0.79 427	1.76 421	1.00 415	1.79 350	1.26 332	1.10 210	1.61 381	1.21 303	0.99 335	8.13 490	0.84 323	1.09 474	0.41 442	2.20 483	0.46 437	1.20 472	0.48 414

CSAN	1.41 419	0.59 404	1.26 382	0.70 380	0.50 315	1.76 421	1.78 466	1.77 341	1.90 448	2.35 456	2.32 443	1.92 421	1.94 454	5.56 448	1.49 419	0.43 421	0.35 424	0.40 414	0.41 425	0.43 395	0.41 390

fast-acv-ft	0.94 336	0.44 348	1.40 400	0.58 261	0.51 326	1.77 424	0.69 344	1.36 237	1.42 405	1.29 314	1.86 416	1.74 405	1.25 391	1.52 265	1.38 399	0.26 312	0.28 380	0.28 325	0.28 360	0.27 287	0.26 300

SHD	1.31 407	0.71 430	2.34 459	0.86 436	0.75 418	1.77 424	0.65 329	2.22 447	2.50 469	2.40 460	1.71 397	1.91 418	1.60 428	1.93 329	2.37 448	0.38 402	0.31 401	0.38 404	0.40 424	0.48 414	0.50 420

CRFU-Net	0.86 316	0.39 325	1.00 317	0.65 342	0.57 353	1.78 426	0.86 386	2.15 431	0.81 124	1.38 359	1.18 241	1.64 393	1.19 380	1.35 227	0.90 336	0.26 312	0.22 333	0.21 155	0.19 162	0.23 236	0.24 266

iinet-f	0.99 352	0.45 355	3.71 478	0.55 226	0.43 275	1.81 427	0.68 340	1.14 181	1.14 264	1.18 264	1.42 327	1.58 380	1.44 411	1.34 226	1.59 424	0.24 266	0.23 344	0.20 123	0.19 162	0.26 273	0.25 278

FBW_ROB	1.71 443	0.62 416	1.45 409	0.67 361	0.61 376	1.81 427	1.08 425	2.52 469	1.70 433	1.77 423	1.73 399	1.98 427	1.25 391	12.57 509	1.84 431	0.34 383	0.37 431	0.56 452	0.38 418	0.45 404	0.43 401

SPS-STEREO	1.67 437	1.04 456	1.23 376	1.21 467	1.13 464	1.82 429	1.11 427	2.16 434	1.52 418	3.07 480	2.32 443	2.82 462	1.80 444	4.11 418	2.04 441	1.03 471	0.99 492	0.97 469	0.94 479	1.03 467	1.02 468
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
XQC	1.37 414	0.87 445	2.56 465	0.84 429	0.69 402	1.83 430	0.89 392	2.07 420	1.88 445	1.88 435	1.53 359	1.91 418	1.55 424	2.85 389	3.05 456	0.48 435	0.29 391	0.44 425	0.39 420	0.69 451	0.60 441

DDUNet	1.50 424	2.69 501	1.12 360	1.77 479	1.88 481	1.84 431	0.92 399	1.70 322	1.16 284	1.38 359	1.79 407	1.60 383	1.12 367	1.37 233	1.08 361	1.10 475	0.76 478	2.37 487	0.94 479	2.00 477	1.37 478

MMNet	0.84 307	0.32 231	1.09 353	0.60 285	0.59 370	1.85 432	0.49 234	1.51 276	1.27 338	1.37 354	1.15 231	1.26 320	1.18 377	1.67 292	1.22 379	0.19 138	0.18 260	0.23 220	0.22 265	0.25 262	0.21 217

RTSC	1.29 403	0.73 431	2.44 461	0.83 428	0.57 353	1.85 432	0.65 329	1.88 374	2.00 453	2.20 450	1.66 392	1.60 383	1.26 393	2.33 365	3.92 468	0.32 367	0.23 344	0.27 312	0.29 371	0.37 366	0.37 376

SuperB	2.53 474	0.59 404	18.45 505	0.69 375	0.50 315	1.87 434	0.88 390	1.67 315	2.39 463	1.50 389	1.42 327	1.14 294	1.15 373	4.28 422	5.07 474	0.24 266	0.19 276	0.22 182	0.19 162	7.86 512	0.34 362

APVNet	1.06 369	0.53 387	1.42 403	0.84 429	0.79 427	1.92 435	0.82 378	1.90 379	1.08 231	1.08 196	1.43 331	1.56 376	1.13 371	3.07 395	1.58 422	0.31 361	0.34 413	0.42 419	0.36 413	0.36 362	0.37 376

MaskLacGwcNet_RVC	1.10 379	1.02 455	1.00 317	0.82 425	0.67 394	1.93 436	0.93 403	1.62 305	1.11 245	1.15 240	1.25 265	1.50 368	0.79 235	1.96 332	0.76 294	1.89 480	0.34 413	0.79 464	0.36 413	1.25 473	0.83 460

ADCRef	1.35 412	0.55 391	2.37 460	0.72 390	0.77 422	1.94 437	0.78 365	1.91 383	1.27 338	1.57 405	1.59 376	1.36 343	1.41 407	1.54 271	7.53 484	0.23 251	0.20 294	0.32 364	0.30 380	0.29 315	0.29 325

Wz-Net-MNSev	1.11 382	0.58 401	2.23 456	0.66 349	0.71 405	1.95 438	1.46 453	1.98 401	1.45 409	1.79 427	1.43 331	1.49 367	1.33 403	1.97 333	1.42 411	0.27 327	0.23 344	0.28 325	0.28 360	0.34 353	0.31 347

otaku	1.60 431	1.11 462	1.21 373	2.20 482	1.56 478	1.97 439	1.24 440	2.07 420	1.36 380	1.44 375	1.62 384	1.73 403	1.19 380	1.73 304	0.98 350	2.89 491	0.57 470	1.74 479	0.60 460	2.78 486	1.94 487

DispFullNet	2.34 467	2.85 502	3.66 476	3.08 496	2.27 487	1.97 439	0.67 337	2.00 404	1.70 433	2.52 462	2.00 427	2.23 439	5.86 497	3.44 409	1.58 422	1.01 468	0.32 408	2.64 496	1.94 501	2.85 491	2.24 490

RainbowNet	1.97 456	1.76 482	1.57 422	2.81 490	2.21 485	1.98 441	1.81 468	2.54 470	1.89 446	1.50 389	1.84 413	1.96 425	1.65 432	2.14 347	1.25 382	3.33 498	0.85 485	2.39 490	0.98 483	2.82 489	2.22 489

ADCMid	1.89 453	0.73 431	5.06 482	0.72 390	0.67 394	2.00 442	1.14 431	1.97 399	1.48 412	2.86 473	1.81 410	2.37 447	2.05 460	2.24 357	10.39 497	0.33 375	0.31 401	0.39 409	0.43 430	0.50 418	0.44 403

DPSNet	1.69 440	0.59 404	4.33 479	0.70 380	0.57 353	2.02 443	1.62 462	3.35 482	1.78 439	1.48 386	1.38 318	2.17 438	2.84 478	4.77 429	3.66 466	0.48 435	0.31 401	0.29 335	0.25 313	0.64 444	0.48 414

Wz-Net-LNSev-Ref	0.99 352	0.40 331	1.82 439	0.66 349	0.62 381	2.05 444	0.78 365	1.91 383	1.29 347	1.54 397	1.42 327	1.51 370	1.23 388	1.99 334	1.33 392	0.23 251	0.14 123	0.20 123	0.15 67	0.27 287	0.26 300

DISCO	1.03 365	0.34 275	1.11 358	0.69 375	0.45 289	2.07 445	0.84 380	2.13 425	1.50 415	1.15 240	1.33 298	2.40 449	1.07 358	2.60 380	1.51 420	0.23 251	0.18 260	0.22 182	0.20 194	0.31 335	0.27 309

Ntro	1.64 435	1.15 465	1.23 376	2.48 487	1.83 480	2.09 446	1.16 434	1.96 395	1.38 388	1.21 276	1.62 384	1.62 385	1.29 396	1.87 323	1.11 368	3.04 492	0.56 469	1.82 481	0.64 462	2.80 487	2.05 488

WCMA_ROB	1.84 447	0.47 362	1.31 389	0.69 375	0.57 353	2.11 447	1.14 431	1.87 371	1.73 436	4.04 486	6.43 489	5.62 489	3.61 486	2.59 379	1.94 437	0.52 440	0.44 448	0.39 409	0.42 428	0.48 414	0.47 411

AnyNet_C32	1.96 455	1.10 459	5.17 483	0.90 446	1.11 460	2.12 448	2.37 492	1.85 366	1.48 412	2.45 461	1.70 396	2.05 435	1.64 431	2.50 376	10.28 496	0.37 398	0.34 413	0.35 390	0.41 425	0.49 417	0.54 427

SGM+DAISY	2.41 471	1.07 457	2.14 452	1.18 466	1.10 458	2.14 449	1.36 448	1.96 395	1.66 429	5.46 500	7.07 492	4.95 485	4.32 493	5.50 445	2.26 447	1.04 472	1.02 495	0.99 471	0.97 481	1.02 465	1.04 470

ADCS	2.25 463	0.99 453	5.55 484	0.81 419	0.74 411	2.19 450	1.80 467	2.27 452	2.14 458	2.80 472	2.13 436	2.40 449	2.03 457	2.64 382	13.69 501	0.41 412	0.39 438	0.40 414	0.45 434	0.58 435	0.56 431

FCDSN-DC	2.32 466	0.63 417	0.81 241	0.84 429	0.75 418	2.23 451	0.94 405	2.09 423	1.80 441	5.45 499	7.72 498	7.77 497	6.93 504	3.39 404	1.80 430	0.52 440	0.48 457	0.52 439	0.51 449	0.57 433	0.58 436
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SGM_RVC	1.68 439	0.36 306	0.61 104	0.59 274	0.29 90	2.25 452	1.18 436	2.38 462	1.68 432	3.60 482	2.67 456	3.69 474	2.42 471	8.13 490	1.90 435	0.31 361	0.31 401	0.30 346	0.28 360	0.30 326	0.29 325
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ACVNet_1	2.18 461	1.45 476	1.72 432	2.85 491	2.33 490	2.28 453	1.46 453	3.08 478	2.22 461	1.82 432	2.05 432	3.56 472	1.98 456	3.09 398	1.40 403	3.17 493	0.60 472	2.40 491	0.92 478	2.91 493	2.37 492

ADCP+	1.99 457	0.48 366	7.73 491	0.66 349	0.91 445	2.30 454	1.05 421	1.82 357	1.34 368	1.54 397	1.32 296	1.74 405	1.61 429	2.17 349	13.37 500	0.24 266	0.21 315	0.32 364	0.28 360	0.37 366	0.29 325

ACVNet-4b	2.15 460	1.41 473	1.64 425	2.80 489	2.31 489	2.31 455	1.24 440	2.32 455	2.14 458	1.26 304	2.39 447	2.66 457	1.48 417	5.95 458	1.06 357	3.20 496	0.45 452	2.37 487	0.89 476	2.83 490	2.37 492

BUS	0.74 256	0.32 231	0.68 142	0.54 203	0.44 282	2.34 456	0.42 154	2.16 434	0.98 185	1.20 272	1.11 208	1.03 259	0.62 176	0.91 118	0.70 274	0.24 266	0.17 240	0.25 278	0.22 265	0.22 211	0.22 234

NINENet	0.77 272	0.37 313	0.78 233	0.62 310	0.51 326	2.34 456	0.42 154	1.83 362	1.04 212	1.14 234	1.23 259	1.03 259	0.62 176	1.24 203	0.70 274	0.28 340	0.23 344	0.31 352	0.21 237	0.26 273	0.25 278

stereogan	1.15 393	0.42 342	1.40 400	0.86 436	0.84 438	2.38 458	0.71 348	1.88 374	1.73 436	1.72 419	1.94 425	2.31 444	1.29 396	2.07 341	1.08 361	0.36 394	0.35 424	0.39 409	0.31 385	0.51 422	0.46 408

Wz-Net-TNSev	1.88 450	2.08 494	7.66 490	0.67 361	0.64 385	2.42 459	1.83 470	2.33 456	1.74 438	1.57 405	1.56 369	2.58 454	1.90 452	4.86 430	3.12 458	0.39 405	0.37 431	0.33 372	0.37 416	0.53 426	0.58 436

ACV-stereo	0.99 352	0.51 379	1.41 402	0.56 239	0.41 262	2.43 460	0.57 302	1.15 183	1.18 294	0.81 125	1.01 161	3.39 471	2.14 463	1.60 281	1.07 360	0.27 327	0.22 333	0.22 182	0.22 265	0.28 304	0.32 352

PVD	1.70 441	0.84 441	2.26 457	0.94 454	0.83 437	2.48 461	0.97 409	2.59 471	3.35 481	3.01 478	2.77 457	2.34 446	2.47 473	2.67 383	3.14 459	0.47 434	0.45 452	0.59 456	0.48 441	0.59 437	0.75 458

SAMSARA	1.55 428	0.84 441	2.61 466	1.22 468	1.07 456	2.50 462	1.93 476	2.05 414	1.89 446	2.75 469	1.66 392	2.81 461	1.69 437	3.08 397	1.97 439	0.46 433	0.51 463	0.42 419	0.46 437	0.58 435	0.59 438

PDISCO_ROB	1.32 409	0.65 420	1.44 404	1.36 470	1.46 477	2.55 463	0.92 399	2.45 467	2.07 457	1.37 354	1.49 352	1.65 395	1.00 337	2.82 386	1.35 397	1.01 468	0.27 373	0.54 445	0.47 439	0.71 453	0.73 456

MFN_U_SF_RVC	1.52 426	0.84 441	3.42 474	0.87 441	0.66 390	2.56 464	0.95 407	2.36 459	1.70 433	1.98 441	1.86 416	2.45 451	1.79 443	2.95 391	2.58 450	0.52 440	0.48 457	0.55 449	0.59 459	0.59 437	0.61 442

MeshStereo	2.26 464	0.56 394	0.92 291	0.61 298	0.49 308	2.60 465	1.02 418	3.18 479	2.05 456	7.40 506	4.98 485	7.58 495	2.98 481	6.37 463	1.96 438	0.43 421	0.43 445	0.45 426	0.39 420	0.43 395	0.42 394
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
ADCL	1.72 444	0.57 398	3.66 476	0.67 361	0.61 376	2.61 466	1.85 471	1.96 395	1.67 430	1.90 438	1.83 411	2.06 436	1.90 452	2.13 346	9.15 493	0.26 312	0.24 353	0.34 382	0.32 393	0.38 375	0.35 367

ACVNet_2	2.43 472	1.41 473	2.04 447	2.62 488	2.24 486	2.63 467	1.88 474	3.31 480	3.01 477	2.19 449	3.45 467	4.62 479	2.04 458	4.50 425	1.47 417	2.55 487	0.64 474	2.22 484	0.84 473	2.69 485	2.29 491

ELAS_RVC	2.48 473	0.74 434	1.90 443	1.05 460	0.92 447	2.76 468	4.01 503	2.76 472	4.11 489	4.69 493	4.63 479	4.62 479	5.96 499	3.97 416	3.96 469	0.63 458	0.53 465	0.56 452	0.52 450	0.64 444	0.63 444
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
LE_ROB	8.05 502	0.37 313	23.53 509	0.74 401	0.33 174	2.77 469	2.87 499	3.71 486	27.24 517	25.39 517	8.87 502	8.46 499	26.71 517	6.65 467	21.99 511	0.21 200	0.19 276	0.20 123	0.21 237	0.25 262	0.22 234

ADCPNet	1.85 448	0.69 426	8.07 492	0.71 387	0.58 362	2.79 470	1.22 439	1.94 392	1.54 421	1.88 435	1.69 395	2.46 452	2.04 458	2.37 368	6.48 479	0.38 402	0.37 431	0.38 404	0.43 430	0.47 411	0.45 405

SANet	1.88 450	0.57 398	2.18 455	0.63 319	0.40 255	2.80 471	1.57 460	2.39 463	5.88 497	2.36 458	3.57 468	3.72 475	2.97 480	4.74 428	1.76 428	0.34 383	0.30 395	0.32 364	0.29 371	0.48 414	0.37 376

FC-DCNN	2.72 481	0.59 404	0.86 256	0.73 398	0.57 353	2.91 472	1.04 420	3.01 477	2.60 470	6.83 501	7.64 496	9.92 502	6.33 502	5.21 436	3.14 459	0.53 446	0.48 457	0.51 437	0.50 446	0.53 426	0.51 424

AnyNet_C01	2.26 464	1.78 483	10.22 498	0.93 452	0.74 411	2.92 473	2.20 487	2.29 454	1.80 441	2.53 463	2.41 449	2.71 459	1.73 438	3.41 406	6.72 481	0.41 412	0.39 438	0.40 414	0.42 428	0.67 449	0.63 444

FC-DCNN v2	2.81 482	0.59 404	0.85 250	0.73 398	0.57 353	2.97 474	1.05 421	3.39 483	2.61 471	6.98 502	7.67 497	10.38 505	6.31 501	5.75 453	3.37 464	0.53 446	0.48 457	0.51 437	0.50 446	0.53 426	0.51 424

G-Net	1.66 436	0.63 417	1.56 421	1.11 465	0.74 411	2.98 475	0.91 397	1.55 290	1.22 317	2.76 470	8.18 501	2.32 445	2.53 475	1.92 326	1.87 432	0.48 435	0.44 448	0.45 426	0.31 385	0.60 441	0.57 435

Dean	2.91 485	1.53 479	2.07 448	2.96 495	2.51 492	3.15 476	2.14 485	4.75 494	4.41 492	2.76 470	6.10 488	5.53 488	2.37 469	2.97 393	1.92 436	3.18 494	0.85 485	2.51 494	1.04 486	2.88 492	2.47 495

MADNet+	2.69 478	3.22 505	11.53 500	1.44 475	1.12 462	3.19 477	1.81 468	2.85 474	2.37 462	1.68 416	2.07 433	2.85 463	2.18 464	7.41 481	5.23 475	0.79 463	0.76 478	0.69 463	0.65 463	0.98 462	0.95 465

LVE	3.31 487	1.67 481	1.64 425	2.85 491	2.42 491	3.20 478	2.26 489	4.78 495	5.05 494	2.35 456	6.91 490	6.02 490	2.37 469	9.15 494	2.17 446	3.19 495	1.08 498	2.38 489	1.47 495	2.81 488	2.40 494

IMH-64-1	2.70 479	1.79 484	1.46 411	3.26 499	2.66 493	3.23 479	2.10 482	4.08 487	2.75 475	2.34 454	3.81 471	3.06 466	2.22 466	4.25 420	2.59 451	3.75 502	0.84 482	2.75 497	1.35 489	3.15 495	2.60 498

IMH-64	2.70 479	1.79 484	1.46 411	3.26 499	2.66 493	3.23 479	2.10 482	4.08 487	2.75 475	2.34 454	3.81 471	3.06 466	2.22 466	4.25 420	2.59 451	3.75 502	0.84 482	2.75 497	1.35 489	3.15 495	2.60 498

WAO-6	2.81 482	1.60 480	1.46 411	2.36 486	2.28 488	3.55 481	2.29 490	4.21 490	4.56 493	2.36 458	4.51 476	4.88 483	2.66 476	4.60 426	4.07 471	1.72 479	1.15 499	2.31 486	1.46 494	2.31 478	1.85 485

PWCK	2.88 484	2.05 492	5.72 486	2.08 481	1.11 460	3.55 481	3.90 502	2.86 475	3.54 485	3.03 479	3.63 469	3.10 469	2.31 468	8.15 492	3.09 457	2.12 483	0.91 490	1.75 480	0.98 483	2.57 483	1.18 475

MFN_U_SF_DS_RVC	1.74 445	0.87 445	3.56 475	0.80 416	0.75 418	3.72 483	2.44 494	1.82 357	1.82 443	1.74 420	1.91 422	1.92 421	1.26 393	7.69 486	1.28 388	0.45 427	0.47 456	0.52 439	0.77 469	0.50 418	0.50 420

RTS	2.67 476	1.38 470	15.28 503	0.99 456	1.26 472	3.78 484	1.96 478	2.15 431	2.62 472	2.61 464	2.85 459	2.60 455	1.59 426	6.27 461	5.71 477	0.40 408	0.28 380	0.35 390	0.35 409	0.50 418	0.48 414

RTSA	2.67 476	1.38 470	15.28 503	0.99 456	1.26 472	3.78 484	1.96 478	2.15 431	2.62 472	2.61 464	2.85 459	2.60 455	1.59 426	6.27 461	5.71 477	0.40 408	0.28 380	0.35 390	0.35 409	0.50 418	0.48 414

SDNR	1.62 434	0.51 379	2.17 453	0.53 188	0.56 350	3.80 486	0.45 200	1.54 286	1.29 347	1.33 344	2.41 449	1.08 270	0.96 320	11.18 507	1.16 373	0.66 460	0.63 473	0.43 421	0.32 393	0.64 444	0.67 450

WAO-7	2.66 475	1.40 472	1.73 434	1.39 472	1.17 466	3.93 487	1.94 477	4.11 489	3.88 487	2.92 474	5.50 486	4.18 477	3.00 482	7.63 485	3.71 467	1.13 476	1.00 493	1.17 476	1.13 487	1.18 471	1.09 474

MSMD_ROB	1.99 457	0.59 404	0.89 280	0.70 380	0.61 376	3.95 488	0.94 405	1.80 353	1.79 440	4.41 490	4.43 475	8.17 498	3.66 487	3.40 405	1.33 392	0.52 440	0.48 457	0.54 445	0.58 456	0.53 426	0.50 420

notaker	3.98 489	2.40 499	2.68 468	3.82 506	3.27 503	3.97 489	2.14 485	4.78 495	3.45 484	4.12 489	6.94 491	7.65 496	3.26 483	7.82 488	5.30 476	4.04 506	1.41 501	3.36 506	2.10 503	3.88 501	3.31 504

IMH	3.21 486	1.85 488	1.48 416	3.25 498	2.69 495	4.07 490	2.02 480	4.41 492	3.80 486	2.72 467	7.11 493	4.75 482	2.92 479	5.92 456	2.55 449	3.85 505	0.88 488	2.78 499	1.36 491	3.19 497	2.59 497

KSHMR	8.75 504	2.06 493	2.11 450	3.53 503	3.11 500	4.13 491	2.69 495	5.60 498	61.37 526	3.00 477	55.83 526	4.98 487	2.45 472	4.49 424	2.61 453	3.46 499	1.55 503	3.14 503	1.94 501	3.72 500	3.18 503

MDST_ROB	1.67 437	0.34 275	1.58 423	0.92 451	0.58 362	4.26 492	1.11 427	2.83 473	1.41 402	4.49 492	2.55 453	1.45 358	0.97 323	7.79 487	1.17 375	0.31 361	0.25 360	0.37 401	0.33 400	0.31 335	0.30 337

LRCNet_RVC	22.74 514	32.10 520	21.97 508	29.84 517	26.23 514	4.42 493	0.81 377	22.66 513	2.02 454	26.93 518	29.26 518	23.06 519	15.59 508	23.84 516	18.88 509	31.75 520	19.90 521	34.65 519	32.13 520	30.54 519	28.32 520

ELAS	2.37 468	0.74 434	1.54 420	0.99 456	0.92 447	4.78 494	2.33 491	3.33 481	3.37 482	5.05 498	4.77 483	3.67 473	4.53 494	3.42 407	4.50 472	0.62 456	0.53 465	0.55 449	0.53 451	0.63 442	0.64 448
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ktn	4.70 492	2.38 498	2.12 451	3.76 504	3.24 501	4.85 495	2.95 500	5.52 497	7.37 500	4.07 488	19.32 513	7.46 494	3.47 484	7.39 480	2.95 455	4.04 506	1.85 504	3.26 505	2.22 504	3.08 494	2.65 500

HanzoNet	11.04 508	3.62 506	8.10 494	4.08 509	3.55 506	4.90 496	2.73 498	7.19 505	10.10 501	31.86 522	28.92 517	21.96 517	36.36 519	18.08 512	10.17 495	7.94 511	3.32 506	3.47 507	3.31 506	7.06 511	4.04 508

MSC_U_SF_DS_RVC	2.12 459	1.15 465	3.10 472	1.05 460	0.76 421	5.03 497	2.40 493	2.16 434	2.62 472	1.89 437	2.28 442	2.69 458	1.65 432	9.35 498	2.04 441	0.64 459	0.51 463	0.68 461	0.71 467	1.09 468	0.67 450

UNDER WATER	5.08 494	2.33 497	5.55 484	3.94 508	3.51 504	5.20 498	2.72 497	5.61 499	16.52 509	3.84 483	4.60 478	9.21 500	5.89 498	5.90 455	8.66 492	3.75 502	1.34 500	3.18 504	1.88 499	4.33 506	3.61 506

MADNet++	5.01 493	3.14 503	4.91 481	4.55 510	3.94 507	5.20 498	4.41 504	4.40 491	4.13 490	4.95 496	6.08 487	4.74 481	5.37 495	9.40 499	10.67 498	4.65 508	4.15 508	3.97 508	3.34 507	4.09 503	4.08 509

UNDER WATER-64	5.27 495	2.32 496	8.78 495	3.93 507	3.54 505	7.61 500	3.03 501	5.84 500	14.19 503	4.04 486	4.04 473	9.39 501	6.26 500	5.93 457	8.48 491	3.60 501	1.51 502	3.13 502	1.88 499	4.29 505	3.61 506

DPSimNet_ROB	11.20 509	4.98 508	35.43 517	2.90 494	4.52 508	7.89 501	17.09 510	4.66 493	6.06 498	14.89 512	10.93 506	17.29 509	36.81 521	13.18 510	15.68 506	2.86 490	6.29 509	5.75 511	5.09 509	3.91 502	7.70 511

WAO-8	4.40 490	1.82 486	1.79 436	2.34 484	2.20 483	9.19 502	1.53 456	6.09 501	16.46 507	3.94 484	7.84 499	7.32 492	3.72 489	9.41 500	3.31 462	2.00 481	1.07 496	2.44 492	1.37 492	2.50 481	1.68 482

Venus	4.40 490	1.82 486	1.79 436	2.34 484	2.20 483	9.19 502	1.53 456	6.09 501	16.46 507	3.94 484	7.84 499	7.32 492	3.72 489	9.41 500	3.31 462	2.00 481	1.07 496	2.44 492	1.37 492	2.50 481	1.68 482

TorneroNet-64	5.30 496	2.03 490	1.74 435	3.43 501	2.81 496	10.09 504	2.12 484	9.10 508	17.12 512	4.96 497	9.27 504	10.72 507	3.70 488	9.20 495	4.55 473	3.31 497	0.84 482	2.88 500	1.55 496	3.49 498	3.04 501

JetBlue	3.97 488	2.01 489	10.19 497	1.38 471	2.84 497	10.53 505	9.54 506	3.60 485	2.41 464	2.73 468	3.39 466	4.54 478	4.31 492	7.85 489	6.84 482	0.88 464	0.93 491	0.89 467	0.91 477	1.74 475	1.91 486

tt	6.58 500	0.26 84	6.10 488	3.77 505	2.16 482	11.55 506	19.63 511	13.33 512	5.74 496	2.96 475	2.65 455	4.97 486	6.33 502	3.81 413	7.24 483	9.15 512	11.32 515	5.89 512	6.24 510	6.03 508	2.55 496

DPSMNet_ROB	13.02 511	8.23 509	21.91 507	9.53 513	18.11 510	11.56 507	32.02 517	10.64 510	16.23 506	7.05 504	19.49 515	10.16 504	16.66 509	9.85 505	22.43 513	4.77 510	8.68 510	5.38 510	10.26 514	6.17 510	11.36 512

DGTPSM_ROB	13.01 510	8.23 509	21.87 506	9.51 512	18.10 509	11.56 507	32.01 516	10.63 509	16.20 505	7.03 503	19.48 514	10.15 503	16.66 509	9.83 504	22.42 512	4.75 509	8.68 510	5.37 509	10.25 513	6.16 509	11.36 512

MANE	6.19 497	0.59 404	1.03 332	0.93 452	1.22 471	13.38 509	2.69 495	12.81 511	17.94 513	8.21 507	10.82 505	14.72 508	11.68 506	11.39 508	11.90 499	0.59 453	0.50 462	0.52 439	1.76 498	0.55 430	0.54 427

SGM-ForestM	6.52 499	0.38 320	1.26 382	0.63 319	0.35 195	13.59 510	5.32 505	6.32 504	6.70 499	11.14 508	9.18 503	22.51 518	13.93 507	16.89 511	20.07 510	0.36 394	0.37 431	0.36 398	0.35 409	0.36 362	0.34 362

JetRed	6.91 501	8.80 511	25.96 513	2.85 491	3.25 502	13.98 511	11.87 507	6.25 503	4.28 491	4.45 491	4.56 477	6.69 491	5.46 496	7.46 483	14.05 502	2.59 488	3.31 505	2.59 495	2.29 505	4.20 504	3.36 505

Anonymous_1	43.04 523	18.73 514	24.79 510	21.81 514	46.26 520	27.80 512	37.60 518	28.08 517	16.14 504	14.66 511	14.30 507	20.65 511	17.88 511	21.56 513	25.94 515	117.93 527	8.92 512	100.65 524	126.50 524	158.64 527	12.08 514

DPSM_ROB	19.08 512	19.14 515	25.17 511	22.15 515	20.85 512	28.17 513	37.82 519	26.56 515	16.85 510	14.14 509	14.84 508	21.70 512	18.75 512	21.87 514	26.55 516	10.16 515	9.30 513	10.47 514	10.42 515	14.03 513	12.61 515

DPSM	19.08 512	19.14 515	25.17 511	22.15 515	20.85 512	28.17 513	37.82 519	26.56 515	16.85 510	14.14 509	14.84 508	21.70 512	18.75 512	21.87 514	26.55 516	10.16 515	9.30 513	10.47 514	10.42 515	14.03 513	12.61 515

HaxPig	38.92 519	41.40 525	41.64 518	29.95 518	32.27 515	28.90 515	27.60 513	29.73 518	37.71 523	43.82 523	43.87 522	33.17 520	35.56 518	41.53 521	40.37 523	43.94 524	47.51 526	45.82 520	47.08 522	42.38 520	44.15 523

AVERAGE_ROB	40.43 520	42.37 526	42.73 519	36.96 520	35.58 517	30.50 516	27.61 514	36.71 524	38.39 524	44.91 524	44.36 523	37.45 522	36.70 520	41.88 522	40.35 522	45.43 525	46.81 525	47.11 521	46.35 521	42.51 521	43.87 522

xxxxx1	54.10 525	25.67 517	27.13 514	113.43 524	96.96 524	30.69 517	47.44 521	32.38 519	25.60 514	17.75 513	17.27 510	21.81 514	21.02 514	24.43 517	33.82 518	33.37 521	40.54 522	157.71 525	175.86 525	66.16 523	72.93 525

tt_ll	54.10 525	25.67 517	27.13 514	113.43 524	96.96 524	30.69 517	47.44 521	32.38 519	25.60 514	17.75 513	17.27 510	21.81 514	21.02 514	24.43 517	33.82 518	33.37 521	40.54 522	157.71 525	175.86 525	66.16 523	72.93 525

ff	54.10 525	25.67 517	27.13 514	113.43 524	96.96 524	30.69 517	47.44 521	32.38 519	25.60 514	17.75 513	17.27 510	21.81 514	21.02 514	24.43 517	33.82 518	33.37 521	40.54 522	157.71 525	175.86 525	66.16 523	72.93 525

MEDIAN_ROB	42.00 521	44.40 527	44.29 521	35.15 519	34.95 516	31.28 520	29.60 515	35.88 523	40.02 525	47.20 525	46.64 524	37.37 521	38.48 525	44.35 526	42.45 524	48.03 526	49.39 527	49.71 522	49.03 523	45.14 522	46.65 524

TorneroNet	10.70 507	2.03 490	1.82 439	3.43 501	3.01 499	43.83 521	2.22 488	8.87 507	67.47 527	7.17 505	27.36 516	10.68 506	3.85 491	8.67 493	7.65 488	3.59 500	0.88 488	3.04 501	1.57 497	3.71 499	3.17 502

Selective-RAFT-Error	38.39 518	38.47 523	50.44 523	44.73 521	41.97 519	56.68 522	76.38 526	53.24 526	33.92 522	28.34 520	29.85 520	43.60 523	38.20 524	43.75 523	53.34 525	20.38 518	18.70 519	21.09 517	21.05 517	28.30 517	25.43 519

CasAABBNet	38.33 517	38.46 522	50.35 522	44.75 522	41.84 518	56.68 522	76.37 525	53.22 525	33.83 521	28.31 519	29.54 519	43.62 524	37.71 523	43.84 524	53.41 526	20.30 517	18.70 519	21.07 516	21.07 518	28.24 516	25.34 518

LSM0	42.82 522	38.75 524	50.81 524	47.07 523	109.38 527	57.00 524	76.02 524	53.74 527	33.71 520	29.02 521	30.41 521	43.87 525	37.22 522	43.91 525	53.54 527	20.52 519	18.62 518	21.10 518	21.11 519	28.41 518	42.22 521

BEATNet-Init1	26.87 516	13.43 513	70.68 525	0.91 449	0.68 400	57.02 525	21.06 512	32.82 522	32.67 519	52.12 526	53.61 525	66.05 526	49.56 526	48.79 527	34.71 521	0.49 439	0.44 448	0.53 444	0.53 451	0.63 442	0.59 438

U	9.45 505	0.21 11	0.58 89	0.47 72	53.11 521	61.27 526	0.24 14	0.70 19	0.52 40	0.36 17	0.28 5	0.29 4	0.35 32	0.33 1	0.26 4	0.19 138	0.11 5	60.50 523	8.88 511	0.17 49	0.13 11

PML	51.67 524	36.25 521	13.28 502	7.46 511	20.81 511	108.69 527	232.22 528	8.72 506	27.82 518	87.01 527	269.67 528	69.67 527	61.95 527	24.76 520	14.20 503	9.74 514	3.40 507	9.62 513	4.70 508	18.74 515	4.72 510

test_example2	192.40 528	210.76 529	206.48 528	199.83 528	204.73 528	172.94 528	183.52 527	133.93 528	133.41 528	191.38 528	196.19 527	187.13 528	178.77 528	205.33 528	208.00 528	222.09 528	238.72 528	186.54 528	190.54 528	227.34 528	170.31 528

ccccc		492.34 530		530.87 529	530.37 529	478.08 529		491.76 529		448.18 529		476.12 529		541.64 529		663.49 529	459.54 529	353.94 529	309.79 529	586.66 529

ASD4		10.99 512

Low-res two-view benchmark